Welke processen lenen zich voor een AI-workflow?

De drempel om AI aan je eigen systemen te koppelen, wordt snel lager. Daardoor kan veel werk dat tot voor kort niet te automatiseren was, nu wel worden geautomatiseerd. Maar dat betekent niet dat elk proces beter wordt van AI.

De vraag is dus niet óf je iets met AI doet, maar waar. In dit artikel lees je welke kenmerken een proces geschikt maken voor een AI-workflow, wanneer een gewone koppeling beter past, en hoe je bepaalt waar je begint.

Wat is een AI-workflow, en wat is het verschil met een koppeling?

Een koppeling laat systemen gegevens uitwisselen volgens vaste regels. Een order uit de webshop gaat naar het ERP, een betaalde factuur wordt in de boekhouding afgeletterd. Zolang de regel vastligt, heb je geen AI nodig.

Een AI-workflow begint waar die regels ophouden. Bij een e-mail die elke keer anders is opgesteld, een ingescande brief of een klantvraag waarvoor je in vijf documenten moet zoeken. AI leest, herkent en stelt iets voor. De workflow bepaalt wat er daarna gebeurt: welke gegevens worden gebruikt, wie het voorstel controleert en in welk systeem het resultaat terechtkomt.

Anthropic, de maker van Claude, maakt hetzelfde onderscheid. Het bedrijf raadt aan om altijd met de eenvoudigste oplossing te beginnen, en pas complexiteit toe te voegen als die aantoonbaar betere resultaten oplevert. Dat is ook onze ervaring: waar een vaste regel volstaat, is een integratie beter dan AI. Wanneer je voor losse koppelingen kiest en wanneer voor een integratielaag, lees je in wanneer heb je middleware nodig.

Vijf kenmerken van een proces dat zich leent voor AI

Deze vijf kenmerken gebruiken we om AI-kansen te herkennen. Hoe meer er kloppen, hoe groter de kans dat een AI-workflow iets oplevert.

1. De input is ongestructureerd

Het werk begint met tekst, beeld of taal: een e-mail, een pdf, een foto, een brief, een vraag via het contactformulier. Een mens moet het eerst lezen voordat er iets mee kan. Dat lezen en herkennen is precies waar AI sterk in is.

2. Het werk komt vaak terug

Een proces dat twee keer per jaar voorkomt, automatiseer je niet. Een proces dat elke dag tientallen keren langskomt wel. Kijk naar het volume, maar ook naar pieken: in drukke weken loopt het handwerk het eerst vast.

3. De kennis staat ergens vastgelegd

AI heeft iets nodig om op te bouwen: productinformatie, voorwaarden, eerdere antwoorden, de gegevens in je ERP of CRM. Zit de kennis alleen in het hoofd van één collega, dan is de eerste stap niet AI, maar die kennis vastleggen.

4. Een medewerker kan het resultaat controleren

In de meeste processen stelt AI iets voor en beslist een mens. Dat kan alleen als het voorstel snel te beoordelen is. Een conceptantwoord aan een klant controleer je in een halve minuut. Een beslissing met grote gevolgen, die niemand kan nalopen, hoort niet in een AI-workflow.

5. Het resultaat moet in een systeem landen

Een AI-workflow levert pas echt tijd op als het resultaat vanzelf op de juiste plek komt: een order in het ERP, een taak bij de juiste collega, een bijgewerkt ticket. Daarvoor zijn koppelingen nodig. Daarom bouwen we AI-workflows bovenop het integratieplatform, en niet ernaast.

Voorbeelden: deze bedrijfsprocessen automatiseerden we met AI

Klantvragen beantwoorden bij A-Booth

Standbouwer A-Booth krijgt veel vragen over standpakketten, mogelijkheden en voorwaarden. Die informatie verschilt per evenement en staat verspreid over meerdere documenten. De AI-workflow herkent over welk evenement en welk pakket de vraag gaat, zoekt de informatie op en zet een antwoord klaar. Een medewerker controleert en keurt goed voordat het wordt verstuurd. Alle vijf kenmerken kloppen hier. Meer over deze sector lees je op hotels en evenementen.

Belastingbrieven verwerken bij GreyMen

Bij accountantskantoor GreyMen vraagt elke fysieke belastingbrief een andere actie. De workflow leest de ingescande brief, herkent het type en het scenario, bepaalt de vervolgstappen en wie geïnformeerd moet worden, en stelt de communicatie op. Die gaat pas na goedkeuring de deur uit. Het resultaat: minder handwerk en een kleinere kans dat een belangrijke actie wordt gemist.

Klanten onboarden bij GoedOpOrde

Bij GoedOpOrde moesten gegevens van elke nieuwe klant met de hand in meerdere systemen worden ingevoerd. De workflow vraagt de gegevens op via een online formulier, controleert ze en zet ze via koppelingen in vijf systemen, waaronder Exact en Fiscaal Gemak. Dit voorbeeld laat zien dat een AI-workflow vaak voor een groot deel uit gewone automatisering bestaat. De bestaande software bleef staan. Hoe dit er in een administratiekantoor uitziet, lees je op administratie en accountancy.

Orderverwerking automatiseren bij SALO

Bij groothandel SALO komen orders binnen per e-mail, elke klant op zijn eigen manier. De AI leest de ordermail, zet hem om naar een order en voert die in het ordersysteem in. Is iets onduidelijk, dan vraagt de workflow per e-mail door, en de klant krijgt automatisch een bevestiging.

Welke processen zich niet lenen voor AI

Net zo belangrijk is weten waar je AI níet voor inzet.

• Werk dat vaste regels volgt. Gegevens van systeem A naar systeem B, een status bijwerken, een factuur aanmaken uit een order. Een koppeling doet dat goedkoper en altijd hetzelfde.
• Berekeningen en KPI's. Omzet, marge en voorraadwaarde horen in een datawarehouse of BI-omgeving, met vaste definities. Een taalmodel kan wel uitleggen wat de cijfers betekenen.
• Beslissingen met grote gevolgen zonder controle. Als niemand het voorstel kan of wil nalopen, verschuif je het risico in plaats van het werk.
• Processen die nog niet vastliggen. Doet elke collega het anders, spreek dan eerst af hoe het proces loopt. AI maakt een rommelig proces niet netter, alleen sneller rommelig.
• Werk dat zelden voorkomt. De opbouw en het onderhoud wegen dan niet op tegen de tijdwinst.

Wat we in de praktijk zien

De meeste goede AI-kansen liggen niet bij de spectaculaire toepassingen, maar bij het werk dat nu ongemerkt uren kost: de gedeelde mailbox, de map met ingescande post, de binnendienst die elke dag dezelfde vragen beantwoordt. Daar zit veel volume, de input is ongestructureerd en een medewerker kan het resultaat snel beoordelen.

Vaak blijkt ook dat een deel van een proces met een koppeling op te lossen is, en maar één stap echt AI nodig heeft. Dan bouw je die stap met AI en de rest met vaste regels. Zo blijft de workflow betaalbaar en voorspelbaar.

Waarom veel mkb-bedrijven nog aarzelen

In 2025 gebruikte 29,8 procent van de mkb-bedrijven met 10 tot 250 werkzame personen AI, tegenover 66,2 procent van de grote bedrijven. Bij microbedrijven met 2 tot 9 werkzame personen was het 13,8 procent. Dat blijkt uit cijfers van het CBS.

Het CBS vroeg microbedrijven die AI wel overwogen maar niet gebruikten ook naar de reden. Gebrek aan ervaring werd het vaakst genoemd (71,6 procent), gevolgd door zorgen over privacy (48,8 procent) en over juridische gevolgen (42,7 procent). Een op de drie (32,2 procent) noemde dat AI niet aansloot op hun bestaande systemen.

Die drempels zijn te verlagen. Begin met één proces dat aan de vijf kenmerken voldoet, houd een medewerker aan het stuur, leg vast welke gegevens de workflow mag gebruiken, en koppel hem aan de systemen die je al hebt. Dan wordt AI geen experiment, maar een onderdeel van je werk.

Hoe je AI-kansen prioriteert

Heb je een lijst met mogelijke processen, zet ze dan naast elkaar op vier vragen. Dezelfde vragen gebruiken we in onze workshops:

• Waar gaat de meeste tijd naartoe? Tel het volume per week en de tijd per keer.
• Hoe ziet het proces er stap voor stap uit? Wie doet wat, in welk systeem, en waar wordt informatie overgetypt of opgezocht?
• Waar liggen de kansen voor AI? Welke stappen beginnen met ongestructureerde informatie, en welke kunnen met een vaste regel?
• Welke kans levert het meeste op? Weeg de tijdwinst en de kleinere foutkans af tegen het risico als het misgaat.

Kies daarna één proces om mee te beginnen. Bij voorkeur een proces met veel volume en een laag risico, zodat je snel ziet wat het oplevert en het team went aan werken met AI. De volgende workflow bouwt voort op de koppelingen die er dan al liggen.

Weet je nog niet waar het in je organisatie knelt? Begin dan bij de vijf signalen dat je IT-landschap je groei remt. Daar staan de overdrachtsmomenten die vaak ook de beste AI-kansen zijn.

Hulp bij het kiezen van je eerste AI-workflow

Wil je weten welke processen in jouw organisatie zich lenen voor AI? Op AI-workflows lees je hoe we AI-kansen prioriteren, workflows ontwerpen en bouwen, en mensen op het juiste moment betrekken. Wil je er direct over praten, neem dan contact op. Eerst zelf op een rij zetten waar het knelt? Vul de verbeterkansenscan in: binnen twee werkdagen krijg je de verbeterkansen en de IT-middelen die erbij passen.