AI-agents in het mkb: begin bij het werk waar je je elke week aan ergert
16 november 2026 · Nieuws
De meeste mkb-ondernemers gebruiken AI nog vooral als tekstschrijver. Een nieuwsbrief hier, een productomschrijving daar. Volgens Geert-Jan Smits en Jurriën Kerstholt, oprichters van co-Founded by AI, laat je zo het grootste deel van de mogelijkheden liggen. In een column op Emerce roepen ze kleine bedrijven op om AI-agents zelfstandig taken te laten uitvoeren, zoals het voorbereiden van offertes of het afhandelen van terugkerende klantvragen. Hun belangrijkste advies is nuchterder dan je zou verwachten: kies één proces waar je je elke week aan ergert en laat een agent daar eerst alleen meekijken.
Van chatbot naar collega met een taakomschrijving
Het verschil tussen een taalmodel en een agent is voor veel ondernemers nog vaag. Een taalmodel, zoals ChatGPT in zijn standaardvorm, beantwoordt je vraag en houdt dan op. Een agent gaat verder. Hij haalt zelf informatie op, gebruikt software en voert stappen uit. Denk aan een agent die een aanvraag via je website leest, de juiste prijzen opzoekt en een conceptofferte klaarzet in je boekhoudpakket.
Smits en Kerstholt experimenteren daar stevig mee. Ze bouwen een bedrijf in fysieke producten zonder personeel, met als doel 200.000 euro omzet in het eerste jaar bij maximaal vier uur werk per oprichter per week. AI moet bijna alle uitvoering doen, de oprichters bepalen de koers en nemen de besluiten. Ze zeggen er zelf eerlijk bij dat dit nog geen bewezen succesformule is.
Die eerlijkheid is misschien het waardevolste deel van hun verhaal. Agents presenteren volgens hen soms een overtuigende analyse die op verkeerde aannames rust. Of ze krijgen toegang tot gegevens die ze voor hun taak helemaal niet nodig hebben. Daarom steken de oprichters minstens zoveel aandacht in de organisatie rond de agents als in de agents zelf. Elke agent krijgt een afgebakende opdracht en een mens die ervoor verantwoordelijk is.
Waarom kleine bedrijven hier een voorsprong hebben
Grote organisaties hebben IT-afdelingen en innovatiebudgetten. Dat klinkt als een voordeel, maar het betekent ook stuurgroepen en maanden voorbereiding voordat er iets draait. Een ondernemer met acht man personeel kan op maandag een knelpunt zien en op dinsdag een oplossing testen. Die snelheid is op dit moment meer waard dan een groot budget.
Daar komt de economische druk bij. Personeel blijft schaars en de kosten voor lonen, huur en energie drukken op de marge. VNO-NCW-voorzitter Coen van Oostrom stelde onlangs in het FD dat onze welvaart afhangt van slimmer werken met dezelfde mensen. Voor een klein bedrijf is dat geen abstract punt. Het is de vraag of je een extra medewerker aanneemt of het bestaande werk anders organiseert.
Toch past hier een kanttekening. De columnisten bouwen een bedrijf dat vanaf de eerste dag rond AI is ontworpen. De meeste mkb-bedrijven hebben die luxe niet. Zij werken met een boekhoudpakket van jaren geleden, klantgegevens die verspreid staan over Excel en iemands mailbox, en een website waarop de helft van de informatie verouderd is. Een agent is precies zo goed als de informatie waar hij bij kan. Wie zijn gegevens niet op orde heeft, automatiseert vooral de rommel.
Wat je er als ondernemer concreet mee kunt
Het advies uit de column is goed bruikbaar, zolang je het stap voor stap aanpakt. Zo ziet een verstandige start eruit.
Kies één terugkerende ergernis
Niet "AI inzetten in het bedrijf", maar één concreet proces. Offertes die dagen blijven liggen. Steeds dezelfde vragen over levertijden. De wekelijkse rapportage die iemand op vrijdagmiddag in elkaar knutselt. Hoe saaier en voorspelbaarder het werk, hoe beter het zich leent voor een eerste test.
Laat de agent eerst alleen voorstellen doen
Geef hem de eerste weken geen bevoegdheid om iets te versturen of aan te passen. Laat hem concepten maken die een medewerker controleert. Pas als de voorstellen structureel kloppen, krijgt hij meer ruimte. In deze fase ontdek je ook welke informatie ontbreekt, en dat is vaak de nuttigste les.
Bepaal vooraf waar hij wel en niet bij mag
Een agent die klantvragen beantwoordt heeft je productinformatie nodig, niet je volledige klantenbestand met betaalgegevens. Beperk de toegang tot wat strikt nodig is. Dat verkleint de risico's rond de AVG en voorkomt dat één fout zich door je hele administratie verspreidt.
Meet of het iets oplevert
- Tijd: hoeveel uur per week kost het proces nu, en hoeveel na een maand?
- Fouten: waar gaat het mis, en vangt de menselijke controle dat op?
- Klant: krijgt die sneller of beter antwoord dan voorheen?
- Kosten: wat betaal je voor de software, afgezet tegen de uren die je terugwint?
Begin dicht bij huis: je website
Voor veel ondernemers ligt de eerste winst dichterbij dan ze denken. Een groot deel van de vragen die per mail of telefoon binnenkomen, staat eigenlijk al op de website. Of zou er moeten staan. Een agent die aanvragen uit je contactformulier sorteert, een eerste antwoord voorbereidt en de lastige gevallen naar een collega doorzet, is een overzichtelijk project. Het dwingt je bovendien om je eigen informatie actueel te houden. Daar heeft je vindbaarheid in Google en in AI-zoekmachines ook baat bij.
Houd daarbij één ding in het oog. Klanten moeten altijd een echte medewerker kunnen bereiken. Uit onderzoek van de Consumentenbond bleek eerder dat bijna negen op de tien consumenten een chatbot vooral ervaren als een drempel naar een mens. Een agent die op de achtergrond werk voorbereidt, voelt voor de klant heel anders dan software die het gesprek overneemt.
De oproep van Smits en Kerstholt komt erop neer dat wie wacht tot AI-agents volwassen zijn, achterloopt op de concurrent die nu al experimenteert. Dat klopt. Maar experimenteren betekent niet dat je je klantcontact morgen uitbesteedt. Het betekent één proces, goed afgebakend, met een mens die meekijkt. Dat kun je deze maand nog opzetten.
Bron: Emerce, "[Column] MKB, zet je AI-agents aan het werk" door Geert-Jan Smits en Jurriën Kerstholt (co-Founded by AI), 13 november 2026.