# Welke processen automatiseer je eerst als kmo? Een keuzehulp in vijf vragen
Auteur: Untaylored
Source: https://untaylored.com/post/welke-processen-automatiseren-kmo
Begin niet met het proces dat het meest indrukwekkend klinkt, maar met werk dat vaak terugkomt, volgens een vaste werkwijze verloopt en waarvan een fout snel zichtbaar en makkelijk te herstellen is. Iemand in je team moet er eigenaar van zijn en de nodige gegevens moeten vlot bereikbaar zijn. Een proces dat op die vijf punten goed scoort, is een betere eerste stap dan een ambitieus project dat afhangt van uitzonderingen en losse bestanden.
De vraag “doen we iets met AI?” is voor veel bedrijven al beantwoord. Volgens Statbel gebruikte in 2025 meer dan één op de drie Belgische ondernemingen met minstens tien werknemers (34,5%) ten minste één AI-technologie ([Statbel, ICT en e-commerce bij ondernemingen](https://statbel.fgov.be/en/themes/enterprises/ict-and-e-commerce-enterprises), geraadpleegd op 10 oktober 2026). De moeilijkere vraag voor een kmo (in Nederland: mkb) is waar je begint, zodat een eerste proef iets leert en je team er vertrouwen in krijgt.
## Vijf vragen om een proces te beoordelen
Neem een lijst met taken waarover je team vaak klaagt of die blijven liggen. Beoordeel elk proces met deze vijf vragen. Een score van 1 (nee), 2 (gedeeltelijk) of 3 (ja) volstaat.
1. **Komt het vaak terug?** Een taak die elke dag of elke week opnieuw gebeurt, geeft sneller bruikbare ervaring dan een taak die twee keer per jaar voorkomt. Je ziet ook sneller of het werkt.
2. **Is er een vaste werkwijze?** Kan een nieuwe collega de stappen volgen met een korte uitleg? Als iedereen het anders doet, moet je eerst de werkwijze afspreken. Automatisering legt die verschillen bloot, maar lost ze niet op.
3. **Is een fout zichtbaar en herstelbaar?** Een verkeerd ingevulde CRM-notitie kun je verbeteren. Een verkeerd verstuurde prijsbevestiging of een onterechte weigering van een klant is moeilijker terug te draaien. Begin waar een fout weinig schade doet en snel opvalt.
4. **Zijn de gegevens beschikbaar?** Staat de nodige informatie in een mailbox, formulier, boekhoudpakket of CRM waartoe je toegang kunt geven? Of zit ze vooral in iemands hoofd en in losse bestanden?
5. **Is er een eigenaar?** Wie beslist over de werkwijze, controleert het resultaat en past regels aan als er iets verandert? Zonder eigenaar merkt niemand het als een automatisering na een wijziging verkeerde resultaten oplevert.
Een hoge score betekent niet dat AI nodig is. Het betekent dat het proces klaar is om eenvoudiger te maken. Soms volstaat een formulier of een vaste regel in een tool die je al hebt.
## Een voorbeeld: vier processen naast elkaar
Stel dat een technisch installatiebedrijf met vijftien medewerkers vier ideeën heeft. Dit is een illustratief voorbeeld, geen klantcase van Untaylored. De scores zijn aannames om de methode te tonen.
| Proces | Herhaling | Vaste werkwijze | Herstelbare fout | Gegevens | Eigenaar | Totaal (max. 15) |
|---|
| Inkomende aanvragen registreren in het CRM | 3 | 3 | 3 | 2 | 3 | 14 |
| Offertes voorbereiden voor een standaardinstallatie | 3 | 2 | 2 | 2 | 3 | 12 |
| Planning van technici opmaken | 3 | 1 | 2 | 1 | 2 | 9 |
| Klachten automatisch beantwoorden | 2 | 1 | 1 | 2 | 2 | 8 |
Het registreren van aanvragen scoort het hoogst. Het gebeurt dagelijks, de stappen zijn duidelijk en een fout is snel te verbeteren. AI kan hier helpen om naam, adres, gevraagde dienst en gewenste uitvoeringsdatum uit een vrij geschreven mail te halen en klaar te zetten. Een medewerker bevestigt de registratie.
Offertes voorbereiden is een logische tweede stap, zodra de aanvragen netjes binnenkomen. De planning van technici hangt af van veel uitzonderingen en kennis die niet is vastgelegd. Klachten automatisch beantwoorden raakt rechtstreeks de klantrelatie. Daar is een voorbereid concept dat een medewerker nakijkt een veiliger begin dan een automatisch antwoord. Lees ook hoe we naar [klantopvolging](https://untaylored.com/diensten#klantopvolging) kijken.
Let op de volgorde. Het hoogst scorende proces levert ook betere gegevens voor de volgende stap. Een offerte voorbereiden gaat makkelijker als de aanvraag al volledig en op de juiste plek staat.
## Waar helpt AI en waar volstaat een vaste regel?
Niet elk stuk automatisering heeft AI nodig. Het helpt om twee soorten werk uit elkaar te halen.
**Vaste regels** werken goed wanneer de invoer gestructureerd is: een formulier met vaste velden, een betaaltermijn die verloopt, een status die verandert. “Als een factuur veertien dagen te laat is, zet dan een herinnering klaar” heeft geen taalmodel nodig. Zo’n regel is voorspelbaar en eenvoudig te controleren.
**AI** is nuttig wanneer informatie in gewone taal binnenkomt of moet worden opgesteld: een mail samenvatten, gegevens uit een vrij geschreven aanvraag halen, een eerste versie van een antwoord schrijven of documenten doorzoeken. Daar is het resultaat minder voorspelbaar. Plan dus een controle in en maak zichtbaar wat ontbreekt, in plaats van de workflow een plausibel antwoord te laten verzinnen.
In de praktijk combineren de meeste bruikbare workflows beide. AI zet een vrije tekst om in gestructureerde gegevens. Vaste regels bepalen daarna wat er met die gegevens gebeurt. Een medewerker beslist op de punten waar fouten echt iets kosten.
## Signalen dat een proces nog niet klaar is
Sommige processen scoren laag om een goede reden. Dat zijn geen slechte ideeën, maar ze vragen eerst ander werk.
* **Elke medewerker werkt anders.** Spreek eerst een werkwijze af en test die een paar weken zonder automatisering.
* **Uitzonderingen zijn de regel.** Als de helft van de dossiers een aparte aanpak vraagt, automatiseer dan alleen het standaarddeel en stuur de rest door naar een collega.
* **De gegevens hebben geen eigenaar.** Een prijslijst of procedure die niemand bijhoudt, wordt niet betrouwbaarder door er AI op los te laten.
* **De beslissing heeft grote gevolgen voor een persoon.** Denk aan krediet, aanwerving of een weigering. Laat zulke beslissingen bij een medewerker en gebruik automatisering hooguit om informatie voor te bereiden.
## Zo maak je een eerste proef meetbaar
Een proef is pas nuttig als je achteraf kunt zeggen of je doorgaat, iets aanpast of stopt. Leg daarom vooraf vast wat je meet.
1. **Meet het huidige werk.** Noteer gedurende twee weken hoeveel dossiers er binnenkomen, hoeveel tijd een registratie ongeveer vraagt en hoe vaak iets moet worden verbeterd. Een schatting met een eenvoudige turflijst is beter dan geen nulmeting.
2. **Kies een afgebakend deel.** Bijvoorbeeld: alleen aanvragen via het contactformulier en de algemene mailbox, niet via telefoon.
3. **Bepaal wat goed genoeg is.** Hoeveel registraties moet een medewerker nog aanpassen voordat de proef geen tijd meer bespaart? Wanneer stop je?
4. **Houd bij wat de controle kost.** Tijdwinst verdwijnt als iemand elk resultaat volledig opnieuw moet nakijken. Noteer ook de tijd voor controle en correctie.
5. **Evalueer na een vaste periode.** Vergelijk met de nulmeting en vraag de medewerkers die ermee werken wat makkelijker of lastiger werd.
Reken een besparing niet vooraf uit op basis van verwachtingen. Een paar weken echte cijfers uit je eigen proces zeggen meer dan een algemeen percentage.
## Hoe begin je deze week?
Maak een lijst van vijf tot tien taken die terugkomen en scoor ze met de vijf vragen. Bespreek de twee hoogst scorende processen met de medewerkers die ze dagelijks uitvoeren. Zij weten waar de uitzonderingen zitten en welke informatie vaak ontbreekt.
Wil je samen bekijken welk proces in jouw bedrijf een goede eerste stap is? Op de pagina over [AI-strategie en advies](https://untaylored.com/diensten#ai-strategie) lees je hoe we dat aanpakken, en bij [automatisering van dagelijks werk](https://untaylored.com/diensten#automatisering) zie je hoe zo’n workflow eruit kan zien. Of [plan een demo](https://untaylored.com/contact#kennismaken) en neem je lijst mee.