Processen automatiseren met AI: zo hoor je bij de 5 procent die het lukt
Processen automatiseren met AI begint met een procesplaat. Teken uit hoe het werk loopt, zoek met je medewerkers naar repeterend werk, richt een eigen omgeving in en leg werkwijzen vast in skills. Zo groei je zonder extra mensen.

Processen automatiseren met AI begint met een procesplaat. Teken uit hoe het werk loopt, zoek met je medewerkers naar repeterend werk, richt een eigen omgeving in en leg werkwijzen vast in skills. Zo groei je zonder extra mensen.
Zes stappen van procesplaat naar geborgde AI, zonder dat je vastzit aan één leverancier
Waarom processen automatiseren met AI zo vaak vastloopt
AI-projecten lopen vast omdat bedrijven een tool kopen en het werk zelf laten zoals het was.
Het cijfer gaat deze weken weer rond. Ongeveer 5 procent van de organisaties haalt aantoonbaar rendement uit AI. Het komt uit onderzoek van MIT naar generatieve AI in bedrijven: 95 procent van de projecten bleef hangen in de pilotfase of leverde geen meetbaar resultaat op. BCG kwam in september met een iets milder beeld. Bijna de helft van de bedrijven haalt inmiddels enige waarde uit AI, maar slechts 7,5 procent is echt ver. Volgens BCG steken de koplopers 10 procent van hun inspanning in algoritmes, 20 procent in technologie en data en 70 procent in mensen, organisatie en processen.
Dat laatste getal herkennen we. In de praktijk zien we het vaak zo gaan. Er worden licenties gekocht. Een paar enthousiaste medewerkers laten AI hun e-mails herschrijven. Een half jaar later is de vraag wat het heeft opgeleverd, en niemand weet het antwoord. Het proces is hetzelfde gebleven. Alleen de tekstverwerker is slimmer geworden.
AI rendeert pas als het werk zelf verandert.
Wat betekent dit voor jou?
- Kijk wat je AI-licenties tot nu toe aantoonbaar hebben opgeleverd, in uren of in euro’s.
- Ga ervan uit dat de technologie het kleinste deel van het werk is.
- Begin bij je processen en kies daarna pas een tool.
Welk werk ga je anders doen? Met die vraag begint elk AI-traject.
1. Teken je processen uit voordat je iets automatiseert
Een procesplaat is de eerste stap van elke AI-implementatie, omdat je alleen kunt verbeteren wat je kunt zien. Wij tekenen al jaar en dag processen uit met ondernemers en hun teams. Van offerte tot factuur, van inkoop tot levering. Wie doet wat, in welke volgorde, met welk systeem, en waar ligt het werk stil?
Op zo’n plaat zie je dingen die niemand hardop zegt. Een order die drie keer wordt ingevoerd. Een goedkeuring die een week op een bureau ligt. Een Excel-lijst die alleen de planner begrijpt. Dat zijn de plekken waar AI iets kan doen. Het zijn ook de plekken waar je eerst moet opruimen, want een rommelig proces wordt met AI vooral sneller rommelig.
Daarom blijft dit stap één, ook nu AI zoveel kan. Een proces dat je eerst vereenvoudigt, hoef je daarna minder te automatiseren. In een Organisatiescan brengen we die inrichting samen met je in kaart, inclusief de vraag wie welke beslissing neemt.
Automatiseer nooit een proces dat je nog niet hebt uitgetekend.
Wat betekent dit voor jou?
- Kies drie processen waar de meeste uren of de meeste fouten in zitten.
- Teken ze met de mensen die het werk doen, op één A3 per proces.
- Markeer elke stap waar gegevens worden overgetikt, gezocht of gecontroleerd.
Een goede procesplaat is al de helft van je AI-plan.
2. Zoek samen met je medewerkers naar AI-kansen
De beste AI-kansen vind je via de mensen die het werk elke dag doen, omdat zij weten waar het schuurt. Een directie die vanaf de bovenste verdieping bedenkt waar AI moet komen, mist de helft. Het MIT-onderzoek wijst dezelfde kant op: projecten slagen vaker als leidinggevenden en ervaren gebruikers uit de lijn actief meedoen.
Wij zoeken met teams naar vijf soorten werk, en we beginnen bij de administratie en de financiën. Daar zit volgens het MIT-onderzoek het hoogste rendement, terwijl het meeste AI-budget naar sales en marketing gaat. In Nederland is dat beeld hetzelfde. Van de bedrijven die AI gebruiken, zet volgens het CBS 35 procent het in voor marketing of verkoop en 17 procent voor boekhouding en financieel beheer.
Overtikwerk. Inkoopfacturen, orderbevestigingen van leveranciers, pakbonnen en klantorders per e-mail die met de hand in het ERP-pakket of de boekhouding worden gezet. AI leest die documenten uit, koppelt ze aan de juiste order of relatie en zet ze klaar. Een medewerker beoordeelt alleen nog de afwijkingen. Hier zit voor de meeste bedrijven de snelste winst.
Repeterend werk met een vast patroon. Offertes opbouwen uit standaardteksten en prijslijsten. Klantmails sorteren en een conceptantwoord klaarzetten. Verslagen en actielijsten na overleggen. Werkbonnen en servicerapporten uitwerken. Werk dat elke keer net anders is, maar steeds volgens dezelfde regels gaat.
Controles die nu niemand doet. Inkoopfacturen naast de inkooporder en het contract leggen, zodat je ziet of prijs, aantallen en kortingen kloppen. Uren en materiaal op projecten vergelijken met de calculatie. Leveranciersvoorwaarden nalopen op afwijkende clausules. McKinsey beschrijft een bedrijf dat zo ongeveer 4 procent van zijn inkoopvolume aan lekkage vond. Dit werk bleef liggen omdat het te veel tijd kostte. Met AI wordt het routine.
Analyses die elke ochtend in je mailbox staan. Omzet en marge van gisteren tegenover budget. Debiteuren boven de 60 dagen, met een voorstel voor de herinnering. Projecten waarvan de uren harder lopen dan de voortgang. Een cashprognose voor de komende dertien weken. Rapportages die nu iemand een dag per maand kosten, of die er gewoon niet zijn.
Kennis die in hoofden en mappen zit. Werkinstructies, prijsafspraken, technische specificaties en eerdere offertes, doorzoekbaar gemaakt. Een nieuwe collega vindt het antwoord dan zelf, zonder de calculator te storen. Van alle vijf draagt deze categorie het meest bij aan minder afhankelijkheid van sleutelfiguren.
Leg elke kans langs drie vragen.
- Hoeveel uur of euro levert het per maand op?
- Hoe eenvoudig is het te bouwen met de systemen die je al hebt?
- Wat gebeurt er als de AI een fout maakt, en wie ziet die fout?
Begin met kansen die veel opleveren, eenvoudig zijn en waarbij een fout wordt opgevangen voordat een klant of de bank hem ziet. In de praktijk zijn dat bijna altijd het overtikwerk en de dagelijkse analyse.
De mensen die het werk doen, weten waar de tijd weglekt.
Wat betekent dit voor jou?
- Organiseer per afdeling een sessie van twee uur rond de procesplaat.
- Laat medewerkers zelf hun vervelendste klus van de week aanwijzen.
- Kies per kwartaal twee of drie kansen en maak per kans iemand eigenaar.
Wie zelf de kans heeft aangewezen, wil ook dat de oplossing werkt.
3. Richt je eigen AI-omgeving in
Wie AI structureel wil inzetten, heeft een eigen omgeving nodig waarin werkwijzen, koppelingen en data van het bedrijf zelf zijn. Anders raakt de kennis verspreid over losse chatgesprekken in de accounts van individuele medewerkers. Gaat iemand weg, dan gaat die kennis mee.
Wij zetten daarom een framework op in drie lagen:
Een eigen bibliotheek voor je werkwijzen. Bijvoorbeeld in GitHub. Daar staan je skills, sjablonen en scripts, met versiebeheer. Je ziet wie wat heeft aangepast en je kunt altijd terug naar een vorige versie. Zie het als een archiefkast die bijhoudt wat er is veranderd.
Een eigen laag voor je data. Bijvoorbeeld in Microsoft Azure, in een Europese regio. Daar lopen de koppelingen naar je ERP, boekhouding, CRM of planning. Wachtwoorden en sleutels staan in een digitale kluis (Azure Key Vault) en je bepaalt per koppeling welke gegevens AI mag lezen.
Een AI-model dat je aansluit. Copilot, Claude of ChatGPT. Dat model werkt met jouw skills en jouw data, en blijft zelf inwisselbaar.
Die volgorde is bewust. Het model is het onderdeel dat het snelst verandert. Je werkwijzen en je data veranderen het langzaamst en zijn het meest waard. Die wil je dus zelf in handen hebben.
Je werkwijzen en je data zijn van jou. Het model huur je.
Wat betekent dit voor jou?
- Zorg dat skills en scripts op één centrale plek staan, onder beheer van het bedrijf.
- Laat datakoppelingen lopen via een omgeving die je zelf beheert, in een Europese regio.
- Leg vast wie wijzigingen mag doorvoeren en wie ze controleert.
Een eigen omgeving voelt als extra werk vooraf. Later scheelt het je dat werk drie keer.
4. Copilot, Claude of ChatGPT: hoe zit dat?
Je kunt kiezen voor volledige controle binnen Microsoft 365 Copilot, of voor de apps van Claude of ChatGPT. Met een eigen framework hoeft dat geen keuze voor altijd te zijn.
Alles binnen Microsoft 365 Copilot. Werkt je bedrijf al in Microsoft 365, dan is dit de route met de meeste controle. Copilot werkt binnen je eigen omgeving bij Microsoft, volgt de bestaande rechten in SharePoint, Teams en Outlook en valt onder de EU Data Boundary van Microsoft. Beheer, toegang en logging regel je centraal. Let op één ding. Copilot kan inmiddels ook modellen van Anthropic (Claude) gebruiken, maar volgens Microsoft vallen die buiten de EU Data Boundary en staan ze voor Europese organisaties standaard uit. Zet je ze aan, doe dat dan bewust.
De apps van Claude of ChatGPT. Deze apps lopen vaak voor bij nieuwe mogelijkheden: agents die zelfstandig meerdere stappen uitvoeren, werken met skills, koppelingen met andere systemen. Gebruik ze altijd met een zakelijk abonnement (Team of Enterprise), met een verwerkersovereenkomst, en controleer dat je gegevens niet worden gebruikt om modellen te trainen. Je data wordt dan verwerkt door de AI-leverancier zelf. Kijk per leverancier waar die verwerking plaatsvindt, want Europese dataopslag is niet bij elke partij en elk abonnement standaard.
Een combinatie. Die adviseren we de meeste MKB-bedrijven. Processen met gevoelige klant- en personeelsdata houd je binnen Microsoft 365. Voor ander werk gebruik je het model dat op dat moment het best presteert. Omdat je skills en koppelingen in je eigen framework staan, wissel je zonder alles opnieuw te bouwen.
Kies je model per proces. Je werkwijzen hoeven niet mee te verhuizen.
Wat betekent dit voor jou?
- Bepaal per proces hoe gevoelig de data is voordat je een platform kiest.
- Gebruik nooit gratis of privé-accounts voor bedrijfsgegevens.
- Leg vast welke modellen zijn toegestaan en wie dat mag veranderen.
De beste keuze van vandaag is over een jaar misschien de tweede keus. Richt je daarop in.
5. Werk met skills: zo leg je een werkwijze vast
Een skill is een vastgelegde werkwijze die een AI-model automatisch gebruikt zodra een taak erom vraagt. Technisch is het een map met een instructiebestand (SKILL.md) en eventueel voorbeelden, sjablonen, rekenregels en scripts. Bovenaan staat een korte beschrijving van wanneer de skill van toepassing is.
Het slimme zit in hoe het model ermee omgaat. Het leest eerst alleen de naam en de beschrijving van al je skills. Pas als een taak past, laadt het de volledige instructie. Scripts en naslagbestanden haalt het alleen op als de instructie daarom vraagt. Je kunt dus tientallen skills hebben zonder dat het model erin verdrinkt.
Een voorbeeld. Een skill voor offertes bevat je opbouw, je standaardteksten, de prijsregels, de minimale marge per productgroep, de leveringsvoorwaarden en een controlelijst. Een medewerker vraagt om een offerte voor een klant. Het model volgt die werkwijze, rekent met de juiste marges en levert een concept dat klaar is voor een laatste controle. Elke offerte komt zo op dezelfde manier tot stand, wie hem ook maakt.
Bij SmitDeVries werken we zelf zo. Onze huisstijl, de manier waarop we blogs opbouwen en onze VBM-methode staan als skills vast. Daardoor schrijft en rekent iedereen in hetzelfde stramien.
Er is nog een reden waarom skills ertoe doen. Anthropic heeft het formaat in december 2025 vrijgegeven als open standaard. Inmiddels werken onder meer Claude, GitHub Copilot, OpenAI Codex, Cursor en Gemini CLI ermee. Een skill die je vandaag schrijft, neem je mee naar een ander model.
Een skill is een werkinstructie die AI elke keer opnieuw precies volgt.
Wat betekent dit voor jou?
- Begin met één skill voor een proces dat vaak terugkomt en waar fouten pijn doen.
- Laat de medewerker die het proces het best kent de inhoud schrijven of controleren.
- Geef elke skill een eigenaar die hem bijwerkt als het proces verandert.
-
Wat in een skill staat, zit niet langer alleen in iemands hoofd.
6. Processen automatiseren met AI, stap voor stap
Processen automatiseren met AI werkt het best in een vast ritme van twee of drie processen per kwartaal. Zo bouw je ervaring op, blijft het overzichtelijk voor je mensen en zie je per stap wat het oplevert.
Een logische eerste stap is een analyse die elke ochtend in je mailbox staat. Weinig risico, direct zichtbaar resultaat. Daarna volgt het overkloppen: documenten uitlezen en klaarzetten voor controle. Pas als dat goed loopt, komen processen waarin AI zelf stappen zet, zoals offertes opbouwen of de planning voorbereiden.
Meet bij elk proces drie dingen, vooraf en achteraf: de bestede uren, de doorlooptijd en het aantal fouten of correcties. Dan weet je na een jaar wat AI je heeft opgeleverd en hoef je daar niet naar te gissen.
Zo groei je zonder extra mensen. Het werk dat erbij komt, vangen de processen op. Je mensen besteden hun tijd aan het werk waar een mens het verschil maakt: het klantgesprek, het oordeel, het probleem dat niet in het boekje staat. En omdat elk proces in een skill staat, is het geborgd. Een nieuwe collega werkt vanaf dag één volgens dezelfde werkwijze.
Groei zonder extra mensen begint bij processen die zonder uitleg draaien.
Wat betekent dit voor jou?
- Plan AI-verbeteringen in hetzelfde kwartaalritme als je andere verbeterinitiatieven.
- Meet uren, doorlooptijd en fouten voordat je begint.
- Rond een proces af voordat je aan het volgende begint.
Twee processen per kwartaal zijn er acht per jaar. Dat tikt aan.
Zo houd je je data veilig: vijf valkuilen
Een AI-implementatie is zo veilig als de rechten, koppelingen en afspraken eromheen. Dit zijn de valkuilen die we het vaakst tegenkomen.
- Schaduw-AI. Medewerkers plakken klantgegevens, offertes of personeelsinformatie in een gratis account omdat er geen alternatief is. Bied een zakelijke omgeving aan en maak duidelijke afspraken over wat wel en niet mag.
- Te ruime rechten. Copilot en andere AI-assistenten zien alles waar de gebruiker bij kan. Staat de salarismap open voor iedereen, dan vindt AI die ook. Ruim de rechten op voordat je AI aanzet en geef koppelingen alleen toegang tot de gegevens die ze nodig hebben.
- Sleutels op de verkeerde plek. Wachtwoorden en API-sleutels horen niet in een prompt, een gedeeld document of een script. Bewaar ze in een kluis zoals Azure Key Vault.
- Geen mens in de lus. Laat AI voorbereiden en voorstellen, en laat een mens beslissen bij alles met gevolgen: betalingen, prijsafspraken, berichten aan klanten en besluiten over personeel.
- Geen eigenaar. Een skill of koppeling zonder eigenaar veroudert ongemerkt. Na een jaar volgt de AI een werkwijze die niemand meer hanteert.
Vergeet ook de wet niet. Sinds februari 2025 verplicht de Europese AI-verordening (AI Act) organisaties die AI inzetten om te zorgen voor voldoende AI-geletterdheid bij hun medewerkers. Een korte training per team voordat je begint, is dus geen luxe.
Eerst de rechten op orde, dan pas AI aan.
Wat betekent dit voor jou?
- Controleer wie toegang heeft tot welke mappen voordat je Copilot of een koppeling activeert.
- Stel een korte AI-richtlijn op: welke tools, welke data, wie beslist.
- Train je teams in wat AI wel en niet goed kan.
Veiligheid hoort bij stap één, en blijft erbij tot het laatste proces.
Minder afhankelijk van sleutelfiguren, zonder nieuwe lock-in
AI met skills maakt je bedrijf minder afhankelijk van sleutelfiguren, zolang je niet afhankelijk wordt van één AI-leverancier.
We gebruiken deze aanpak zelf in de waardebrug. De waardebrug laat zien hoe de aandeelhouderswaarde van een bedrijf zich over drie jaar ontwikkelt, langs drie routes: betere operatie, lager risico en minder schuld. Afhankelijkheid van sleutelfiguren is in vrijwel elk middenbedrijf de zwaarste risicopost. De calculator met twintig jaar prijsafspraken in het hoofd. De planner die als enige het systeem begrijpt. De directeur-eigenaar zonder wie niets wordt beslist. Onmisbaarheid voelt als kracht en prijst als zwakte.
Kennis die uit hoofden naar skills verhuist, verlaagt dat risico. Het bedrijf wordt overdraagbaarder, de risico-opslag in de waardering daalt en de aandeelhouderswaarde stijgt, zonder dat er één euro omzet bij hoeft.
Daar zit wel een addertje. Wie al zijn werkwijzen bouwt in de gesloten omgeving van één AI-partij, ruilt de afhankelijkheid van een persoon in voor die van een leverancier. Die leverancier kan prijzen verhogen, voorwaarden aanpassen of een model uitfaseren. Een complete lock-in is dus ook een risicopost.
Vier afspraken voorkomen dat:
- Skills en scripts staan in een bibliotheek die van jou is, zoals je eigen GitHub-omgeving.
- Data en koppelingen lopen via een omgeving die je zelf beheert, zoals Azure.
- Je bouwt op open standaarden, zoals Agent Skills voor werkwijzen en het Model Context Protocol (MCP) voor koppelingen met systemen.
- Je test eens per jaar of een belangrijk proces ook op een ander model draait.
De toets is eenvoudig. Kun je morgen overstappen naar een ander AI-model zonder je werkwijzen opnieuw te schrijven? Dan zit je goed.
Vervang de afhankelijkheid van een persoon nooit door die van een leverancier.
Wat betekent dit voor jou?
- Breng in kaart welke kennis nu bij één of twee mensen zit.
- Zet die kennis om in skills, in een omgeving die van jou is.
- Houd minimaal twee AI-modellen in beeld waarop je processen kunnen draaien.
Overdraagbaarheid is waarde, ook als het om software gaat.
Tot slot: AI is een organisatievraagstuk
Processen automatiseren met AI begint bij inzicht in je processen en eindigt bij geborgde werkwijzen die van jou zijn. De technologie is het makkelijke deel. Het lastige deel is kiezen welk werk anders moet, je mensen erbij betrekken en het zo inrichten dat je data veilig is en je leverancier inwisselbaar blijft.
Dat is de route van inzicht naar strategie naar executie. Wij lopen die met je, als sparringpartner en als stok achter de deur. Op de pagina Processen & AI lees je hoe we dat aanpakken.
Van potentie naar rendement.
Wil je weten hoe afhankelijk jouw bedrijf nu is van sleutelfiguren, en wat dat kost aan waarde? Doe de Waardescan. In een paar minuten zie je waar waarde structureel blijft liggen, ook in het domein risico en afhankelijkheid.
Processen automatiseren met AI: zo hoor je bij de 5 procent die het lukt
FAQs
Bekijk hier de veelgestelde vragen.
Processen automatiseren met AI begint met het uittekenen van je processen, zodat zichtbaar wordt waar repeterend werk, overtikwerk en handmatige analyses zitten. Daarna kies je samen met medewerkers twee of drie kansen per kwartaal, richt je een eigen AI-omgeving in en leg je werkwijzen vast in skills. SmitDeVries in Raalte begeleidt MKB-bedrijven in Overijssel en Gelderland bij die route.
AI levert bij de meeste bedrijven nog geen rendement op omdat ze een tool invoeren zonder het werk zelf te veranderen. Onderzoek van MIT uit 2025 liet zien dat circa 95 procent van de generatieve AI-projecten geen meetbaar resultaat opleverde. BCG stelt dat koplopers 70 procent van hun inspanning steken in mensen, organisatie en processen.
Een AI-skill is een vastgelegde werkwijze, in de vorm van een map met een instructiebestand (SKILL.md) en eventueel sjablonen en scripts, die een AI-model automatisch gebruikt zodra een taak erom vraagt. Het model leest eerst alleen de naam en beschrijving en laadt de volledige instructie pas als de taak past. Skills zijn sinds december 2025 een open standaard en werken onder meer in Claude, GitHub Copilot en OpenAI Codex.
Microsoft 365 Copilot geeft de meeste controle als je bedrijf al in Microsoft 365 werkt, omdat het binnen je eigen omgeving en de EU Data Boundary blijft en de bestaande rechten volgt. De apps van Claude en ChatGPT lopen vaak voor met nieuwe mogelijkheden, maar verwerken data bij de AI-leverancier zelf. SmitDeVries adviseert de meeste MKB-bedrijven een combinatie, met skills en datakoppelingen in een eigen framework.
Vendor lock-in bij AI voorkom je door je werkwijzen, scripts en datakoppelingen in een eigen omgeving te bewaren, zoals GitHub en Azure, en het AI-model als inwisselbaar onderdeel te behandelen. Bouw op open standaarden zoals Agent Skills en het Model Context Protocol (MCP) en test jaarlijks of een belangrijk proces ook op een ander model draait.



