Bijna 25% van het Nederlandse MKB gebruikt AI. Maar slechts 6% heeft het echt geintegreerd in de dagelijkse bedrijfsvoering. De rest experimenteert wat, stapt van tool naar tool, en vraagt zich af waarom de beloofde tijdsbesparing uitblijft. Onderzoek van Van Spaendonck Groep onder twintig MKB-directeuren legt de vinger op de zere plek: een centrale aanpak ontbreekt.
Het probleem: tools zonder strategie
De meeste MKB-ondernemers beginnen met AI vanuit enthousiasme: een ChatGPT-account aanmaken, wat e-mails laten schrijven, een samenvatting genereren. En dan... stopt het. Want er is geen antwoord op de vraag: wat lossen we hier eigenlijk mee op?
Innovatiemanager Stein Huisman van Van Spaendonck Groep omschrijft het treffend: 'Er is een gebrek aan zicht op return on investment. Dit is een beperkende factor in het ondernemen van actie en het voelen van urgentie. Het is voor MKB-ondernemers lastig om een startpunt te bepalen — letterlijk: waar moet ik beginnen.'
Bron: VNPF onderzoek 'Hoe ervaren MKB'ers de implementatie van AI?', 2026.
De twee soorten AI — en waarom je ze door elkaar haalt
Een kernprobleem uit het onderzoek: ondernemers begrijpen niet dat er twee fundamenteel verschillende typen AI-toepassingen zijn, die elk een andere aanpak vragen.
Taak AI: handig, maar moeilijk meetbaar
Taak AI is wat de meeste mensen kennen: ChatGPT, Claude, Gemini. Je voert een opdracht in, je krijgt een resultaat. Nuttig voor schrijven, samenvatten, brainstormen.
Het probleem: de ROI is zacht. Je medewerker bespaart 20 minuten per dag op e-mails — maar hoe besteedt hij die tijd? Levert het meer klanten op? Hogere omzet? Dat is moeilijk te kwantificeren, en dat frustreert directeuren die harde cijfers willen zien.
Proces AI: meetbaar, maar meer werk om op te zetten
Proces AI — ook wel Agentic AI of automatisering genoemd — werkt anders. Hier automatiseer je een volledig proces: een klant stuurt een e-mail, een AI-agent analyseert het verzoek, maakt een offerte, stuurt die terug, en logt alles in je CRM. Geen menselijke tussenkomst nodig.
De ROI hiervan is wél meetbaar: het proces dat vroeger 45 minuten kostte, duurt nu 2 minuten. Dat zijn harde cijfers. Maar de setup vraagt meer investering — tools als n8n of Make, API-koppelingen, testrondes.
Het onderzoek wijst uit dat veel MKB'ers op zoek zijn naar de ROI van Taak AI, terwijl ze eigenlijk Proces AI nodig hebben voor de echte tijdsbesparing.
Waarom de ROI zo onduidelijk blijft
Drie oorzaken waarom MKB'ers de ROI van AI niet helder krijgen, volgens het Van Spaendonck-onderzoek:
1. Redeneren vanuit tools, niet vanuit problemen
'We gaan iets doen met AI' is geen strategie. De vraag moet zijn: welk probleem kost ons nu de meeste tijd, geld, of fouten? Pas als dat helder is, kun je beoordelen of AI de oplossing is.
Voorbeelden van goede vertrekpunten: 'Offerte-aanvragen beantwoorden kost ons 3 uur per dag.' 'We verliezen leads omdat opvolging te langzaam gaat.' 'Factuurverwerking geeft elke maand fouten.'
2. Geen koppeling tussen knelpunt en strategische waarde
Het is stap twee: als je het probleem hebt, moet je ook kunnen redeneren wat het oplossen ervan waard is. Een gemiste lead heeft een gemiddelde orderwaarde. Elke gefixte fout in facturering bespaart correctietijd. Zonder die koppeling blijft AI een kostenpost in plaats van een investering.
3. Verkeerde verwachtingen over het toepassingsniveau
Een ondernemer investeert in ChatGPT Business en verwacht processen te automatiseren — maar ChatGPT is Taak AI. Voor procesautomatisering heb je n8n of Make nodig erbij. Die mismatch leidt tot teleurstelling.
De aanpak die wel werkt: van probleem naar pilot
Gebaseerd op de aanbevelingen uit het onderzoek en onze eigen ervaringen bij workflows.nl, is dit de aanpak die werkt:
Stap 1: Maak een lijst van je drie grootste tijdsvreters
Vraag jezelf en je team: welke taken kosten ons de meeste tijd die niet direct waarde toevoegt? Denk aan: handmatige e-mail opvolging, het opstellen van standaarddocumenten, het overzetten van data tussen systemen, het plannen van afspraken.
Stap 2: Kwantificeer de pijn
Voor elke tijdsvretertaak: hoeveel uur per week kost het? Hoeveel medewerkers? Wat is het uurloon? Bereken de maandelijkse kostenpost. Een taak van 5 uur per week bij een medewerker van €35/uur kost €700/maand — dat is je maximale budget voor een oplossing.
Stap 3: Bepaal het type AI dat past
Is het een losse, creatieve taak (tekst schrijven, analyseren, samenvatten)? Dan is Taak AI (ChatGPT Plus of Claude Pro, €20/maand) het startpunt. Is het een herhaalbaar proces met vaste stappen? Dan is Proces AI (n8n of Make + AI) de route.
Stap 4: Doe een 2-wekenspilot
Implementeer de oplossing voor die ene taak en meet het resultaat. Hoeveel tijd is er bespaard? Zijn de fouten verminderd? Is de kwaliteit van het resultaat goed genoeg? Na twee weken weet je of het werkt.
Stap 5: Schaal of sla over
Werkt de pilot? Dan schaal je op naar het volgende knelpunt. Werkt het niet? Dan kies je een ander probleem of een andere aanpak. De fout is klein gehouden, de lering is groot.
Praktijkvoorbeelden per sector
Zakelijke dienstverlening (advies, accountancy)
Tijdsvretertaak: verslagen van klantgesprekken uitwerken. Oplossing: Whisper (spraak-naar-tekst) + Claude om een gestructureerd verslag te maken. Type: Taak AI. Tijdsbesparing: 45 minuten per gesprek.
Bouw en installatie
Tijdsvretertaak: offerte-aanvragen beantwoorden. Oplossing: n8n + Claude die e-mailaanvragen verwerkt en een conceptofferte genereert. Type: Proces AI. Tijdsbesparing: 2-3 uur per dag bij een actief bedrijf.
Horeca
Tijdsvretertaak: reserveringsvragen en menuinformatie via e-mail/WhatsApp beantwoorden. Oplossing: chatbot via WhatsApp Business API + n8n. Type: Proces AI. Tijdsbesparing: 1-2 uur per dag.
Groothandel / e-commerce
Tijdsvretertaak: productbeschrijvingen schrijven voor nieuwe artikelen. Oplossing: Claude API die op basis van productspecificaties beschrijvingen genereert in je tone of voice. Type: Taak AI (via API voor bulk). Tijdsbesparing: 5-10 minuten per product.
Veelgemaakte fouten om te vermijden
'We testen eerst alles vrijblijvend'
Vrijblijvend testen leidt tot vrijblijvende resultaten. Wijs een verantwoordelijke aan, stel een meetdoel in ('we willen X uur besparen'), en geef de pilot een deadline.
'We wachten op een betere tool'
De tools van 2026 zijn goed genoeg. Claude Sonnet 4.6, GPT-5, n8n 2.0 — ze kunnen vandaag al het meeste wat je nodig hebt. Wachten is uitstelgedrag.
'Het is te technisch voor ons'
n8n heeft een visuele editor zonder code. Make ook. ChatGPT heeft geen technische kennis nodig. Voor basistoepassingen hoef je geen developer in dienst te nemen. Bij complexere automatiseringen kun je voor een eenmalige setup een specialist inhuren voor €500-1.500.
Conclusie: begin klein, maar begin met een reden
De kern van het VNPF-onderzoek is simpel: AI-implementatie mislukt niet door slechte tools of te weinig budget. Het mislukt door het ontbreken van een startpunt met een duidelijk probleem.
Kies een pijnpunt dat je kunt meten. Kies het juiste type AI voor dat pijnpunt. Doe een korte pilot. Meet het resultaat. Dan weet je of je verder gaat — en heb je de interne onderbouwing om dat te doen.
Dat is de aanpak die de 6% die AI echt heeft geintegreerd, ook heeft gebruikt.
