Hoe kun je processen in je bedrijf automatiseren met AI? Vrijwel elk bedrijf wil bedrijfsprocessen automatiseren met AI, en vrijwel elk traject begint op de verkeerde plek: bij de tool in plaats van bij het proces. Dit artikel legt uit wat automatiseren met AI en agents in de praktijk betekent, welke processen je als eerste aanpakt, hoe je van vaste regels naar een agent groeit zonder de controle te verliezen, en welke valkuilen we het vaakst tegenkomen.
Een bedrijfsproces automatiseren betekent dat terugkerende stappen niet meer door een mens worden uitgevoerd, maar door software. Dat is niet nieuw: koppelingen tussen systemen, automatische herinneringen en als-dan-regels bestaan al decennia. Wat AI toevoegt, is dat software nu ook kan omgaan met informatie die geen vaste vorm heeft. Een binnenkomende mail, een pdf van een leverancier, een gesprek met een klant, een half ingevuld formulier: precies het soort input waar klassieke automatisering op vastliep, omdat er eerst een mens naar moest kijken om te bepalen wat het was.
Een AI-agent gaat daarin nog een stap verder. Waar een AI-model één vraag beantwoordt of één document beoordeelt, voert een agent meerdere stappen achter elkaar uit: informatie opzoeken, een systeem bijwerken, een collega inschakelen, een taak aanmaken. Hij gebruikt daarbij tools en koppelingen, en blijft binnen grenzen die jij vooraf hebt vastgelegd. Dat laatste is geen bijzaak. Een agent zonder kaders is geen automatisering maar een risico.
Wie dat onderscheid scherp heeft, ziet meteen waar de meeste trajecten mislopen: ze beginnen bij de agent, terwijl het proces eronder nog nooit is uitgetekend.
Het helpt om procesautomatisering in drie niveaus te zien. Niet omdat het hoogste niveau het doel is, maar omdat elk niveau op het vorige bouwt.
Meerdere stappen achter elkaar, zelfstandig, met tools en logging. Pas als niveau 2 aantoonbaar stabiel is.
Classificeren, extraheren, een concept opstellen. Een medewerker keurt goed voordat het verder gaat.
Als dit, dan dat. Geen AI-model nodig, wel de grootste en snelste winst in de meeste bedrijven.
Niveau 1: regels en koppelingen. Alles wat met een vaste regel kan. Een order die binnenkomt, verschijnt in de planning. Een factuur die dertig dagen openstaat, krijgt een herinnering. Een nieuw contact in het CRM staat ook in de nieuwsbrieftool. Hier komt geen AI-model aan te pas, en hier zit in de meeste bedrijven nog steeds de grootste winst. Dubbele invoer, overtypwerk en lijstjes die handmatig worden bijgewerkt: het zijn allemaal regels die nog niemand heeft geautomatiseerd.
Niveau 2: AI als stap in het proces. Op de plekken waar een beoordeling nodig is, neemt een AI-model die stap over. Een mail wordt geclassificeerd als klacht, vraag of bestelling. Uit een pdf worden de relevante gegevens gehaald. Een conceptantwoord staat klaar voordat de medewerker de mail opent. De mens blijft in het proces en keurt goed, maar hoeft niet meer alles zelf te lezen, te zoeken en te typen.
Niveau 3: agents die meerdere stappen overnemen. Als de AI-stap uit niveau 2 aantoonbaar goed werkt, kan een agent meerdere stappen achter elkaar uitvoeren zonder tussentijdse goedkeuring. De klacht wordt herkend, het dossier wordt opgezocht, de klant krijgt een bevestiging, de juiste collega krijgt een taak met alle context erbij. De medewerker ziet het resultaat, niet elke tussenstap.
Een klacht, vraag of bestelling, in vrije tekst, soms met bijlage.
Classificeert de mail, haalt de kerngegevens eruit en zoekt het klantdossier erbij.
Ziet het voorstel met alle context en bevestigt, corrigeert of neemt over.
Stuurt de bevestiging, werkt het systeem bij, maakt een taak aan en logt elke actie.
De volgorde is geen theorie. Wie niveau 3 probeert zonder niveau 1 en 2, bouwt een agent die moet werken met data die niet klopt, in een proces dat niemand heeft uitgetekend. Dat is de reden dat zoveel AI-pilots een indrukwekkende demo blijven.
Niet elk proces is een goede kandidaat. De processen waar automatisering met AI het snelst iets oplevert, hebben een paar kenmerken gemeen: ze komen vaak voor, ze verlopen grotendeels voorspelbaar, de benodigde informatie is beschikbaar, en als het een keer misgaat is dat herstelbaar. Een proces dat drie keer per jaar voorkomt en waarbij een fout een klant kost, automatiseer je niet als eerste, hoe vervelend het ook is.
In de praktijk komen we in het mkb steeds dezelfde kandidaten tegen:
Herken je hier meerdere van, kies er dan toch één. Het eerste proces is niet bedoeld om de meeste winst op te leveren, maar om te leren hoe automatiseren met AI in jouw organisatie werkt. Wil je die keuze onderbouwen met cijfers in plaats van met een onderbuikgevoel, lees dan repetitieve taken automatiseren: welk handwerk pak je eerst?
Er is één voorwaarde die bepalender is dan welke tool je kiest: de data waar het proces op draait moet beschikbaar en betrouwbaar zijn. Een agent die een klacht moet afhandelen, moet bij de klantgegevens kunnen, bij de orderhistorie, bij eerdere correspondentie. Staat dat verspreid over een CRM, een boekhoudpakket, een mailbox en een stapel spreadsheets, dan is de agent het grootste deel van zijn tijd bezig met zoeken en gokken.
Dit is precies het patroon dat we beschreven in vijf signalen dat je bedrijf zijn CRM is ontgroeid: AI-plannen stranden zelden op de AI, maar op versnipperde data. Het antwoord is niet een grotere licentie of een slimmere tool, maar een fundament waar alle bedrijfsdata bij elkaar staat en waar agents op kunnen aansluiten. Hoe zo'n open datalaag in eigen beheer werkt, en waarom die het monolithische CRM vervangt in plaats van aanvult, leggen we uit op de pagina over de AI Native Data Layer.
Zit je data nu nog vast in een pakket dat niet meewerkt, dan gaat daar een verhuizing aan vooraf. Hoe je die gecontroleerd doet, zonder iets kwijt te raken, staat in het stappenplan datamigratie.
Dit is de volgorde die we zelf aanhouden. Elke stap levert iets op dat je kunt gebruiken, ook als je daarna besluit niet verder te gaan.
Wie doet wat, met welke informatie, en waar blijft het nu hangen? Meestal loopt het proces anders dan iedereen dacht.
Hoeveel tijd kost het nu, hoe vaak gaat het fout, hoe lang wacht een klant? Zonder nulmeting kun je straks niets aantonen.
Koppelingen, statusupdates, herinneringen, berekeningen. Vaak verdwijnt hier al de helft van het handwerk, zonder AI-model.
Classificeren, extraheren, een concept opstellen. Een medewerker keurt goed; houd bij hoe vaak dat een correctie wordt.
Pas als stap 4 stabiel is. Leg vast wat de agent wel en niet mag, wat altijd naar een mens gaat, en log elke actie.
Vergelijk met de nulmeting, stel de kaders bij. Werkt het, dan is het volgende proces aan de beurt.
Het patroon is telkens hetzelfde: klein beginnen, bewijzen dat het werkt, en dan pas uitbreiden. Wie dat volhoudt, heeft na een paar maanden niet één indrukwekkende demo maar een reeks processen die gewoon draaien.
Zodra AI meekijkt in een proces, komt de vraag welke informatie daarvoor gebruikt mag worden. Het eerlijke antwoord is dat dat per stap verschilt. Voor het classificeren van een mail is de inhoud van die mail nodig, maar niet het complete klantdossier. Voor een conceptofferte zijn de productgegevens nodig, maar niet de personeelsadministratie. Wie per stap vastlegt welke data het model te zien krijgt, houdt de controle en kan dat ook aan een klant of toezichthouder uitleggen.
Daarnaast maakt het uit bij welke aanbieder die verwerking plaatsvindt. De grote AI-aanbieders verschillen aanzienlijk in hoe ze met bedrijfsdata omgaan, of ze erop trainen en welke afspraken ze zakelijke klanten bieden. Wij hebben daar een uitgesproken voorkeur in, en leggen op de pagina over AI Consultancy uit waarom die bij Claude ligt en wat de alternatieven zijn.
Tot slot: leg vast dat je er ook weer uit kunt. Een proces dat volledig afhankelijk is van één aanbieder, is een nieuw soort lock-in. De Europese Data Act geeft je vanaf 2027 het recht om zonder overstapkosten te vertrekken bij een softwareleverancier; wat dat concreet betekent staat in Data Act: vanaf 2027 mag overstappen niets kosten. Maar rechten zijn pas iets waard als je data en je proceslogica ook praktisch van jou zijn.
Beginnen bij de tool. Er wordt een licentie afgesloten, en daarna wordt gezocht naar een proces om die op los te laten. Draai het om: eerst het proces, dan de vraag welk niveau van automatisering het nodig heeft, dan pas de tool.
Alles tegelijk willen. Vijf processen parallel automatiseren betekent vijf halve resultaten en niemand die weet wat werkt. Eén proces tot het einde brengen levert meer op, ook aan kennis.
Een slecht proces automatiseren. Als het proces zelf niet klopt, maakt automatisering het alleen sneller fout. Het uittekenen in stap 1 is er juist voor om dat te ontdekken vóór er iets gebouwd wordt.
Geen eigenaar. Een geautomatiseerd proces heeft iemand nodig die het in de gaten houdt, de uitzonderingen afhandelt en de kaders bijstelt. Zonder eigenaar sterft het langzaam, of erger: het loopt door terwijl niemand meer kijkt.
Geen terugvaloptie. Wat gebeurt er als het model even niet beschikbaar is, of als de agent iets tegenkomt dat hij niet herkent? Een goed proces heeft een pad terug naar een mens, en dat pad wordt getest voordat het nodig is.
Klassieke automatisering volgt vaste regels: als dit, dan dat. AI voegt daaraan toe dat software kan omgaan met ongestructureerde informatie zoals mails, documenten en gesprekken, en een inschatting kan maken. Een AI-agent gaat nog een stap verder: die voert meerdere stappen achter elkaar zelfstandig uit, gebruikt daarbij tools en systemen, en blijft binnen vooraf vastgelegde kaders.
Processen die vaak voorkomen, voorspelbaar verlopen, waarvan de benodigde data beschikbaar is en waarbij een fout herstelbaar is. In de praktijk zijn dat vaak het verwerken van inkomende mail, het voorbereiden van offertes, het overnemen van gegevens uit documenten, controles in de administratie en terugkerende rapportages.
Nee. Het grootste deel van een geautomatiseerd proces bestaat meestal uit vaste regels en koppelingen waar geen AI-model aan te pas komt. Alleen op de stappen waar beoordeling nodig is, kijkt een model mee, en daar bepaal je vooraf welke data daarvoor gebruikt mag worden en bij welke aanbieder die verwerkt wordt.
Een eerste proces automatiseren duurt in de regel dagen tot enkele weken, niet maanden, mits je klein begint en de data beschikbaar is. De grootste vertrager is niet de techniek maar versnipperde data: zit de benodigde informatie verspreid over systemen en mailboxen, dan moet die eerst bij elkaar komen.
Je hebt geen AI-strategie nodig om te beginnen. Je hebt één proces nodig dat iedereen herkent als tijdverspilling, een middag om het uit te tekenen, en de discipline om eerst de regels te automatiseren voordat je een model aan het werk zet. Alles daarna volgt uit wat je in die eerste ronde leert.
Wil je dat niet alleen doen, dan is dat precies waar onze AI Consultancy voor bedoeld is: we komen langs, kijken samen naar je processen, richten de omgeving in en zetten de eerste automatisering en dashboards werkend neer. Niet als project van een half jaar, maar als eerste stap die zich moet bewijzen voordat de volgende volgt.
In een vrijblijvend adviesgesprek kijken we samen naar je bedrijfsprocessen, je systemen en je data, en bepalen we waar automatiseren met AI voor jouw organisatie het snelst iets oplevert. Op locatie of online.
Plan een vrijblijvend adviesgesprek