DNB adviseert bedrijven om niet afhankelijk te worden van één moeilijk vervangbare AI-aanbieder. Dat klinkt eenvoudig, tot je vraagt wat er dan wisselbaar moet blijven. Het antwoord is minder het model dan je data.
De Nederlandsche Bank publiceerde op 2 november 2026 een analyse over de economische impact van AI in Nederland. Voor het mkb zijn drie dingen relevant. Kleinere bedrijven gebruiken AI minder vaak dan grote, net als bedrijven in de bouw, het vervoer en de horeca. Juist kleinere bedrijven kunnen baat hebben bij software en clouddiensten die specialistische kennis toegankelijk maken, zonder dat ze eigen AI-modellen hoeven te bouwen. En AI leidt volgens DNB niet vanzelf tot hogere productiviteit: je moet toepassingen kiezen die passen, medewerkers opleiden en werkprocessen aanpassen.
Daarnaast noemt DNB dat bedrijven betrouwbare toegang nodig hebben en afhankelijkheid van één moeilijk vervangbare aanbieder moeten vermijden. Het is een algemene aanbeveling, geen mkb-handleiding. De tekst bevat ook geen mkb-cijfers, dus wij maken er geen. Wat wel bruikbaar is: de aanbeveling wijst op een vraag die in de praktijk zelden wordt gesteld.
Een AI-model vervang je gemakkelijker dan je denkt. Modellen verbeteren en veranderen van prijs, en veel toepassingen kunnen met een andere instelling op een ander model draaien. Lastiger wordt het bij wat eromheen zit. Zie het als drie lagen, waarbij de onderste het zwaarst weegt.
Meestal te wisselen met wat configuratie en een testronde. Hier zit de minste vastzetting.
De assistent, de koppelingen, de afspraken over wie wat controleert. Wisselen kan, maar kost werk en gewenning.
Klanten, offertes, projecten, de geschiedenis. Zit die vast in een pakket, dan zit alles erboven vast.
Lock-in ontstaat meestal omdat de AI-functie in het pakket zit waar je data al staat. Dat is handig, want de assistent ziet direct je klantgegevens. Het betekent ook dat de AI alleen werkt op wat in dat pakket staat, en dat jouw gegevens, inclusief alles wat de AI eraan toevoegt, bij een overstap mee moeten. Je krijgt zo een nieuwe reden om te blijven, bovenop de contractuele.
Dat het contract ertoe doet, weet iedereen die een verlenging heeft gemist. Daar schreven we eerder over in de verlengingsclausule in je CRM-contract. Met AI komt er een laag bij: niet alleen de gegevens die jij invoerde, maar ook samenvattingen, labels en scores die het systeem er zelf bij maakte.
Je hoeft geen jurist of architect te zijn om dit te toetsen. Stel deze vragen voordat je een AI-functie in je pakket aanzet:
Is het antwoord op alle drie ja, dan zit je goed. Is het op een van de drie nee, dan weet je tenminste wat je koopt.
DNB adviseert ook om te beginnen met een toepassing die past en een proces dat je kunt aanpassen. Voor een eerste proefstap is een AI-functie in het pakket dat je toch al hebt vaak de verstandigste keuze, ook als je data daar blijft staan. Een eigen datalaag is geen voorwaarde om met AI te beginnen. Het wordt interessant zodra je meerdere toepassingen wilt laten werken op dezelfde klantgegevens, of als je merkt dat je niet meer weg kunt zonder grote verhuizing.
Het gaat dus niet om nu alles anders inrichten. Het gaat om weten waar je bent vastgezet, voordat het een probleem wordt.
Schrijf op welke AI-functies je nu gebruikt en in welk pakket de bijbehorende data staat. Loop daarna de drie vragen langs voor het pakket waar de meeste bedrijfsdata staat. Dat kost een uur en geeft een eerlijker beeld dan elke leveranciersbrochure.
Weet je nog niet waar je met AI zou beginnen, lees dan hoe je repetitief werk herkent. Waarom je data de basis is, leggen we uit in wat is een datalaag, eerlijk uitgelegd, en waarom veel bedrijven AI vooral voor teksten gebruiken in het mkb gebruikt AI voor teksten, maar zelden voor de eigen cijfers. Hoe wij dat invullen, met jouw data centraal in een open datalaag en software die je kunt wisselen, staat op de pagina over de AI Native Data Layer.
DNB adviseert bedrijven om betrouwbare toegang tot AI te regelen en afhankelijkheid van één moeilijk vervangbare aanbieder te vermijden. Voor een mkb-bedrijf is het praktisch het belangrijkst om te zorgen dat je data en je werkwijze mee kunnen als je van model of leverancier wisselt.
Nee. Voor een eerste proces kan een AI-functie in je bestaande pakket prima volstaan. Een datalaag wordt relevant als meerdere toepassingen dezelfde klantgegevens nodig hebben of als je niet meer kunt overstappen zonder grote verhuizing.
In de whitepaper over de AI Native Data Layer lees je hoe je data van jou blijft terwijl AI-modellen en software wisselen, en hoe je klein begint.
Download de whitepaper