AI automatisering voor het MKB: 12 praktijkvoorbeelden

Bijgewerkt op 17 september 2026

AI-automatisering in het MKB is in de praktijk zelden een chatbot en bijna altijd een route: een aanvraag die binnen vijf minuten bij de juiste collega ligt, een factuur die vanzelf wordt aangemaakt, een herinnering die niemand hoeft te onthouden. Hieronder staan twaalf automatiseringen die wij de afgelopen jaren bij klanten bouwden, van de RDW tot een isolatiebedrijf met een handvol mensen. In vijf ervan zit een AI-model; de andere zeven zijn gewone automatisering met een koppeling, een regel en een wachttijd. Per voorbeeld lees je de trigger, de systemen die meedoen, wat een mens blijft doen, wat er gebeurt als het misgaat en welk cijfer je bijhoudt. Geen gemiddelden, want die hebben we niet; wel de uitkomsten die klanten zelf teruggaven, zoals tien uur per week bij Jouwisolatieplan. Een eerste automatisering begint bij 2.500 euro.

Eerst even dit: wat de AI hier wel en niet doet

Dat in zeven van de twaalf voorbeelden geen AI-model zit, is geen bekentenis, dat is het punt. De winst zit bijna nooit in het model, maar in de route: gegevens die niet meer overgetypt worden, een factuur die niet meer vergeten wordt, een klant die een herinnering krijgt zonder dat iemand eraan hoeft te denken.

AI komt erbij op drie plekken. Waar iets gelezen moet worden dat niet in een vast formaat komt, zoals een aanvraag in vrije tekst of een factuur van een nieuwe leverancier. Waar iets samengevat moet worden voordat een mens ernaar kijkt. En waar een inschatting nodig is met een zekerheid erbij, zodat de twijfelgevallen naar een collega gaan en de rest doorloopt. Wie AI ergens anders inzet, bouwt meestal een duurdere versie van een als-dan-regel.

Hoe je de voorbeelden leest

Elk voorbeeld heeft dezelfde vijf regels. De trigger is de gebeurtenis waarop de route start. Systemen zijn de pakketten die meedoen, meestal een CRM, een boekhouding en een mailbox, verbonden via n8n. Wat de mens doet is de stap die we bewust niet automatiseren. Als het misgaat beschrijft het foutpad: wat er gebeurt als een systeem niet reageert of een gegeven ontbreekt. En wat je meet is het ene cijfer waaraan je na een maand ziet of het werkt. Ontbreekt een van die vijf in een voorstel dat je krijgt, vraag er dan naar.

De twaalf voorbeelden in één overzicht

Sales en offertes: van aanvraag tot getekende offerte

1. Een aanvraag ligt binnen vijf minuten bij de juiste collega

De saaiste automatisering in dit artikel en de eerste die we bijna altijd bouwen. Een formulier op de website levert een lead op die in een mailbox belandt en daar gemiddeld een dag ligt. De route zet de lead in het CRM, laat een taalmodel de vraag in twee zinnen samenvatten en stuurt die samenvatting met naam, bedrijf en telefoonnummer naar de collega die hem oppakt.

• Trigger: Formulier ingevuld op de website.
• Systemen: Websiteformulier, CRM (HubSpot, Pipedrive of Monday.com), Slack of Teams, n8n.
• Wat de mens doet: Belt. De samenvatting is voorwerk, geen antwoord.
• Als het misgaat: Reageert niemand binnen een uur, dan gaat de aanvraag naar de eigenaar. Is het CRM onbereikbaar, dan komt de aanvraag als gewone mail binnen met “koppeling mislukt” in het onderwerp.
• Wat je meet: Tijd tussen aanvraag en eerste menselijke reactie.

2. Een configurator die de eerste prijsinschatting geeft

Bij DOT. Techniek kwam de vraag “wat past hier en wat kost dat ongeveer?” vroeg in elk gesprek, en elk gesprek begon daardoor met hetzelfde half uur. We bouwden een website met een configurator die die oriëntatie structureert: de bezoeker vult in wat hij heeft en wil, krijgt een prijsinschatting en de gegevens gaan door naar het verkoopteam. De techniek doet het voorwerk, de verkoper houdt het laatste woord.

• Trigger: Bezoeker rondt de configurator af.
• Systemen: Website met configurator, prijsregels, CRM, mail naar sales.
• Wat de mens doet: Beoordeelt de inschatting en maakt de echte offerte. De configurator belooft niets definitiefs.
• Als het misgaat: Een combinatie die niet in de prijsregels past, krijgt geen bedrag maar een “we bellen je” en een taak voor sales.
• Wat je meet: Aandeel aanvragen dat met een complete configuratie binnenkomt, en de tijd per eerste gesprek.

3. Offertes die zichzelf opvolgen

Staallokaal wilde beter gevonden worden door professionele inkopers én minder tijd kwijt zijn aan iedere offerteaanvraag. We combineerden SEO met een geautomatiseerde offertestroom, zodat vindbaarheid en opvolging op elkaar aansluiten. Het automatiseringsdeel: zodra een offerte op “verstuurd” staat, start een reeks met een korte check na drie dagen, een inhoudelijke toevoeging na tien dagen en na dertig dagen een taak om te beslissen: bellen of parkeren.

• Trigger: Deal in het CRM gaat naar “offerte verstuurd”.
• Systemen: CRM, mailtool, n8n.
• Wat de mens doet: Schrijft de offerte en beslist na dertig dagen. De opvolgmails zijn vooraf geschreven, niet door AI per klant bedacht.
• Als het misgaat: Verandert de status tussentijds (getekend, afgewezen), dan stopt de reeks direct. Vergeet je dat, dan krijgt een klant die net tekende een “zal ik even bellen?”.
• Wat je meet: Percentage offertes dat binnen dertig dagen een beslissing heeft, in plaats van stilte.

Facturatie en administratie: waar de meeste uren zitten

4. De splitfactuur die vanzelf gaat

Twee klanten, dezelfde route. Bij De Duurzame Specialisten komen aanvragen automatisch in het CRM en wordt op basis van de status de 75-25 splitfactuur verstuurd: 75 procent bij opdracht, 25 procent na oplevering. Van aanvraag tot offerte en factuur loopt alles via e-Boekhouden en Monday.com. Bij Energielabelsimpel is het Monday.com en Moneybird: gaat een rapport naar de provincie, dan wordt automatisch 75 procent gefactureerd, en na goedkeuring volgt de rest vanzelf.

• Trigger: Statuswijziging op de deal of het project (opdracht, rapport verstuurd, goedgekeurd).
• Systemen: Monday.com, e-Boekhouden of Moneybird, n8n.
• Wat de mens doet: Zet de status. Dat is de enige handeling die overblijft, en precies daarom moet die status kloppen.
• Als het misgaat: Ontbreekt een btw-nummer of adres, dan wordt de factuur niet aangemaakt maar komt er een taak met wat er mist. Een factuur die twee keer zou ontstaan, wordt tegengehouden op projectnummer.
• Wat je meet: Dagen tussen statuswijziging en verstuurde factuur, en het aantal facturen dat handmatig gecorrigeerd moest worden.

5. Facturen aanmaken vanuit het CRM

Bij Jouwisolatieplan is HubSpot gekoppeld aan Moneybird, zodat facturen automatisch worden aangemaakt en verstuurd zodra een deal gewonnen is. De eigenaar zei erover: “We zetten het systeem aan en ik realiseerde me meteen: dit scheelt me echt tien uur per week.” Dat is zijn schatting bij zijn volume en zijn oude werkwijze, geen gemiddelde. We noemen hem omdat het laat zien waar de winst zit: niet in iets slims, maar in iets dat elke week terugkwam.

• Trigger: Deal in HubSpot naar “gewonnen”.
• Systemen: HubSpot, Moneybird, n8n.
• Wat de mens doet: Controleert de eerste weken elke factuur voordat hij verstuurd wordt; daarna alleen de afwijkingen.
• Als het misgaat: Bestaat de klant nog niet in Moneybird, dan wordt hij aangemaakt op basis van het CRM-record, en krijgt de eigenaar dat te zien. Is Moneybird onbereikbaar, dan wacht de route en probeert hij het een uur later opnieuw.
• Wat je meet: Uren per week aan facturatie, gemeten vóór en na. Zonder de meting vooraf is de tien uur een gevoel.

6. Inkomende facturen uitlezen en als boekingsvoorstel klaarzetten

Dit is het eerste voorbeeld waar het taalmodel het echte werk doet. Inkoopfacturen komen binnen per mail, portaal of Peppol (het netwerk voor e-facturatie dat in Nederland door Logius wordt beheerd), in elk formaat dat een leverancier maar kiest. De route leest de afgesproken gegevens uit (leverancier, bedrag, btw, factuurnummer, kostenplaats), controleert op duplicaten en afwijkingen, en zet een boekingsvoorstel klaar in de boekhouding die je al hebt. Een gewone factuur mag door; een duplicaat, een afwijkend bedrag of een gewijzigd rekeningnummer gaat naar een mens.

• Trigger: Nieuwe factuur in de mailbox, het portaal of via Peppol.
• Systemen: Mailbox, taalmodel voor het uitlezen, Exact, Twinfield, Moneybird of e-Boekhouden, n8n.
• Wat de mens doet: Keurt goed. Het voorstel is een voorstel; de boeking blijft een menselijke beslissing.
• Als het misgaat: Is het model onzeker over een veld, dan wordt het niet ingevuld maar gemarkeerd. Een gewijzigd rekeningnummer van een bekende leverancier stopt de route altijd, ongeacht hoe zeker het model is.
• Wat je meet: Aandeel facturen dat zonder correctie geboekt wordt, en het aantal onderschepte duplicaten. Hoe wij dat inrichten staat op de pagina over factuurverwerking automatiseren.

Klantcontact en planning: het werk dat niemand vergeet te vergeten

7. Afspraakherinneringen op 30 en 2 dagen

Bij Energielabelsimpel krijgen klanten automatisch een herinnering dertig dagen en twee dagen voor hun afspraak. Dertig dagen zodat ze kunnen verzetten als het niet uitkomt, twee dagen zodat ze er zijn. Het is de kleinste automatisering in dit artikel en waarschijnlijk de meest onderschatte: een no-show kost een hele reis en een leeg dagdeel.

• Trigger: Afspraak ingepland in het CRM of de agenda.
• Systemen: Monday.com of agenda, mailtool, n8n.
• Wat de mens doet: Niets, tot een klant reageert op de herinnering. Dan neemt hij het gesprek over.
• Als het misgaat: Wordt de afspraak verzet, dan verschuiven de herinneringen mee. Wordt hij geannuleerd, dan gaan ze niet. Dat klinkt vanzelfsprekend en is het niet: het is de regel die het vaakst vergeten wordt.
• Wat je meet: Aantal no-shows per maand.

8. Eén klantendashboard in plaats van vijf tabbladen

Bij Inner Authority House stond de informatie over een klanttraject verspreid over tabbladen en mailboxen. Terugzoeken kostte meer tijd dan het traject zelf. We bouwden een website met een klantendashboard waarin administratie, trajectbeheer en terugkerend klantcontact vanuit één plek worden aangestuurd. Het terugkerende contact (een check-in na een sessie, een herinnering voor de volgende) gaat automatisch; de inhoud van het traject blijft mensenwerk.

• Trigger: Trajectfase verandert (intake, sessie afgerond, afronding).
• Systemen: Website met dashboard, mailtool, betalingen, n8n.
• Wat de mens doet: Voert het traject uit en ziet in het dashboard wat er speelt. De mails zijn vooraf geschreven per fase.
• Als het misgaat: Een klant die niet reageert op twee opeenvolgende mails komt op een lijst voor persoonlijk contact, in plaats van een derde automatische mail te krijgen.
• Wat je meet: Tijd per week aan terugzoeken en administratie, en het aantal klanten dat tussen twee fases stil valt.

9. Een AI die de aanvraag leest voordat een mens het doet

Dit is de variant van voorbeeld 1 voor bedrijven waar de aanvragen langer en rommeliger zijn: een installatiebedrijf dat foto’s en een verhaal krijgt, een adviesbureau dat een halve pagina context ontvangt. Het taalmodel haalt eruit wat het bedrijf nodig heeft om te reageren (wat, waar, wanneer, budgetindicatie, urgentie), vult dat als velden in het CRM en geeft een zekerheid per veld. Wat het model niet zeker weet, laat het leeg.

• Trigger: Aanvraag binnen via formulier of mail.
• Systemen: Mailbox of formulier, taalmodel, CRM, n8n.
• Wat de mens doet: Leest de samenvatting, corrigeert waar nodig en belt. De AI stelt nooit zelf een vraag aan de klant.
• Als het misgaat: Onder een afgesproken zekerheid gaat de aanvraag ongewijzigd door naar een mens, met de melding dat de samenvatting ontbreekt. Liever een lege samenvatting dan een verkeerde.
• Wat je meet: Aandeel aanvragen waarbij de samenvatting zonder correctie bruikbaar was. Ligt dat onder de tachtig procent, dan is de prompt of de zekerheidsgrens niet goed.

Kennis en content: waar een chatbot alleen niet genoeg is

10. Een kennisomgeving die weet waar het antwoord vandaan komt

De RDW beheert kennis die verspreid staat over documenten, systemen en medewerkers. De eerste reflex is een chatbot, en dat lost het niet op: een chatbot zonder bronnen geeft zelfverzekerde antwoorden die niemand kan controleren. We werkten een RAG-kennisomgeving uit, waarbij het model alleen antwoordt op basis van opgehaalde documenten en de bron bij het antwoord toont, met de architectuur, de implementatiestappen en de documentatie waarmee het interne ICT-team zelf verder kan. Dat laatste is bij een overheidsorganisatie geen bijzaak.

• Trigger: Medewerker stelt een vraag.
• Systemen: Documentbronnen, vectordatabase, taalmodel, intern portaal.
• Wat de mens doet: Beoordeelt het antwoord aan de hand van de getoonde bron. Voor besluiten met gevolgen blijft de bron leidend, niet de samenvatting.
• Als het misgaat: Vindt het systeem geen passend document, dan zegt het dat, in plaats van iets te verzinnen. Dat is de belangrijkste ontwerpkeuze in het hele project.
• Wat je meet: Aandeel vragen met een bruikbaar antwoord mét bron, en de tijd die medewerkers kwijt zijn aan zoeken.

11. Een beeldgenerator die het merk kent

Bij Brandmonks moest een sfeerbeeld precies passen bij merk, campagne en presentatie, en dat zoekwerk kostte het creatieve team elke keer opnieuw tijd. We bouwden een interne AI-tool die vanuit die context gerichte beeldvoorstellen maakt. Het team houdt de regie; de tool ruimt het eerste zoekwerk op. Het is een goed voorbeeld van AI die niet het eindproduct maakt, maar de eerste ronde.

• Trigger: Ontwerper vult merk, campagne en gewenste sfeer in.
• Systemen: Interne webtool, beeldmodel, merkrichtlijnen als vaste context.
• Wat de mens doet: Kiest, past aan en maakt het echte beeld. Niets gaat zonder een mens naar buiten.
• Als het misgaat: Voorstellen die buiten de merkrichtlijnen vallen, worden niet getoond. Liever drie bruikbare voorstellen dan tien willekeurige.
• Wat je meet: Tijd van briefing tot eerste bruikbare beeldvoorstel.

Integratie: kopiëren en plakken is geen strategie

12. Een API-koppeling die de overdracht deel van het systeem maakt

Het eigen CMS van Direct Online stond los van de rest van de infrastructuur, waardoor gegevens met de hand werden overgezet. Handmatig overzetten gaat een tijd goed en dan ineens niet meer: iemand is ziek, een veld verandert, een record wordt vergeten. We bouwden een API-koppeling die de overdracht onderdeel maakt van de normale systeemstroom. Geen AI, geen dashboard, gewoon twee systemen die elkaar verstaan.

• Trigger: Nieuw of gewijzigd record in het CMS.
• Systemen: Eigen CMS, doelsysteem, API-laag, logging.
• Wat de mens doet: Niets in de gewone route. Kijkt naar de foutlog als die iets meldt.
• Als het misgaat: Een record dat niet overgezet kan worden, wordt drie keer opnieuw geprobeerd en daarna gemeld met de reden. De koppeling stopt nooit stil zonder dat iemand het weet.
• Wat je meet: Aantal handmatige overzettingen per week (doel: nul) en het aantal gemelde fouten.

Wat zo’n eerste project kost

Je eerste automatisering, één afgebakende route die direct werk overneemt, begint bij ons bij 2.500 euro. Met meerdere systemen erbij zit het meestal tussen de 2.500 en 5.000 euro, daarna een paar uur beheer per maand. De software erbij is klein: een CRM en een boekhouding heb je al, n8n kost vanaf zo’n twintig euro per maand of draait op eigen hosting (wat dat precies kost staat in ons stuk over n8n-kosten), en een taalmodel rekent per miljoen tokens, wat bij een aanvraag van een paar honderd woorden op centen uitkomt, geen euro’s.

Wat je ertegenover zet, is de meting vooraf: volume, actieve behandeltijd, wachttijd, correcties en uitzonderingen. Dat is het deel dat iedereen wil overslaan en dat na drie maanden het enige bewijs is dat het werkte. Hoe je dat uitrekent, staat in ons artikel over de ROI van AI-automatisering.

Drie signalen dat je het (nog) niet moet doen

• Het komt minder dan tien keer per week voor. Dan kost het bouwen meer dan het handwerk in een jaar. Schrijf de werkwijze op en doe het met de hand, tot het vaker voorkomt.
• Iedereen doet het anders. Een automatisering is een afspraak in code. Is er geen afspraak, dan automatiseer je een discussie. Maak eerst de werkwijze vast, daarna pas de route.
• Niemand pakt de melding op. Elke route in dit artikel meldt het als iets misgaat. Als die melding in een mailbox valt waar niemand kijkt, is de route na een maand stilletjes stuk en weet je het niet. Wijs eerst een eigenaar aan.

Waarom je hier geen tools vergeleken ziet

Omdat de tool zelden de beslissing is. Elf van de twaalf voorbeelden werken met het CRM en de boekhouding die de klant al had; we hebben nergens een pakket vervangen om te kunnen automatiseren. Zoek je wel een vergelijking van AI-tools voor het MKB, dan staat die in onze gids over AI voor het MKB. Dit artikel gaat over wat je ermee bouwt.

Wat nu?

Pak één proces dat vaker dan tien keer per week voorkomt en waar de stappen altijd hetzelfde zijn. Zoek het voorbeeld hierboven dat er het meest op lijkt en schrijf de vijf regels ervoor op: trigger, systemen, mens, foutpad, meetpunt. Lukt dat op een half A4, dan is het klaar om gebouwd te worden. Lukt het niet, dan weet je nu ook waarom het handmatig nog niet lekker loopt. Wil je dat wij meekijken, dan doen we dat aan de hand van één gewone case en één uitzondering. Dat vertelt meestal meer dan een uur praten over AI-kansen.

Veelgestelde vragen

Wat is AI automatisering voor het MKB?

Het automatisch laten uitvoeren van terugkerende stappen in je bedrijf, zoals een lead vastleggen, een factuur aanmaken of een herinnering sturen, waarbij een taalmodel wordt ingezet op de plekken waar iets gelezen, samengevat of ingeschat moet worden. In de praktijk is het grootste deel gewone automatisering tussen het CRM, de boekhouding en de mailbox; AI is het onderdeel dat met ongestructureerde tekst overweg kan.

Welk proces automatiseer je als eerste?

Het proces dat vaker dan tien keer per week voorkomt, waar de stappen altijd hetzelfde zijn en waar nu regelmatig iets blijft liggen. Bij de meeste MKB-bedrijven is dat de opvolging van aanvragen of de facturatie na een gewonnen deal. Beide zijn in een paar weken te bouwen en na een maand te meten.

Wat kost AI automatisering voor een MKB-bedrijf?

Je eerste automatisering begint bij Flowstate bij 2.500 euro; met meerdere systemen meestal tussen de 2.500 en 5.000 euro, plus een paar uur beheer per maand. De software erbij is beperkt: je bestaande CRM en boekhouding, n8n voor een paar tientjes per maand en een taalmodel dat per aanvraag centen kost.

Heb ik AI nodig, of gewone automatisering?

Meestal gewone automatisering. AI is nodig als de invoer niet in een vast formaat komt (een aanvraag in vrije tekst, een factuur van een nieuwe leverancier) of als er een inschatting nodig is. Komt de invoer uit een formulier of een systeem, dan is een als-dan-regel goedkoper, sneller en makkelijker te controleren.

Hoe lang duurt een eerste automatiseringsproject?

Een afgebakende route, van nulmeting tot een workflow met foutpad en overdracht, duurt bij ons doorgaans twee tot zes weken, afhankelijk van het aantal systemen en hoe snel de toegang geregeld is. De meting daarna duurt minimaal een maand; eerder valt er niets te concluderen.

Blijft de automatisering van mij?

Ja. De workflows, de klantdata en de documentatie zijn van jou. Je team kan het beheer overnemen, Flowstate kan monitoring en onderhoud doen, of een gedeelde vorm. Dat spreken we vooraf af, niet achteraf.

Verantwoording

Alle twaalf voorbeelden komen uit projecten van Flowstate. De klantnamen en beschrijvingen zijn dezelfde als op onze casespagina. Waar een klant een uitkomst noemt, zoals de tien uur per week bij Jouwisolatieplan, is dat zijn eigen schatting bij zijn volume en oude werkwijze; wij presenteren die niet als gemiddelde. De foutpaden en meetpunten zijn hoe wij die routes inrichten en bedoeld als checklist, niet als garantie dat elke inrichting er zo uitziet.

De projectprijzen zijn onze eigen tarieven voor een eerste automatisering en geen marktgemiddelde. Voorbeeld 9 is een beschrijving van een route die we in meerdere projecten bouwen, zonder klantnaam. Laatst bijgewerkt op 17 september 2026.

Externe bronnen: de prijspagina van n8n en de prijspagina van Anthropic voor de softwarekosten, en peppol.org voor e-facturatie via Peppol. Alle drie geraadpleegd op 3 september 2026.