Waarom AI de rekensom voor digitalisering binnen het mkb verandert
Veel Nederlandse mkb-bedrijven zien de potentie van digitalisering. Vaak lopen ze echter nog vast op kosten, complexiteit en onzekerheid. Volgens Tom Joseph, AI Consultant bij Crux Digits, verandert AI die rekensom fundamenteel – waardoor maatwerk sneller en betaalbaarder wordt en bedrijven anders zouden moeten kijken naar de manier waarop zij technologie inzetten.
Vraag een Nederlandse mkb-directeur waarom de orderintake, het offerteproces of de compliance-rapportage nog niet geautomatiseerd is, en je krijgt zelden een technisch antwoord. Je krijgt een economisch antwoord: het huidige systeem werkt.
En dat klopt. Dat is precies het probleem. Iemand bouwde in 2014 een spreadsheet, iemand anders voegde een macro toe, een planner leerde welke klantmails wat betekenen, en het geheel draait nu op gewoonte, institutioneel geheugen en één medewerker die weet waar alles staat. Niet elegant, maar het functioneert, het is afbetaald en het wordt begrepen.
Herkenbaar? Elk voorstel tot verandering draagt daartegen het volledige risico.
De cijfers laten zien hoe breed die keuze wordt gemaakt. Volgens het CBS gebruikte in 2025 zo’n 30% van de bedrijven met 10 tot 249 werkzame personen minstens één AI-technologie. Bij het grootbedrijf was dat 66%. Bij microbedrijven slechts 14%. Binnen de EU liggen Denemarken, Zweden, België, Finland en Luxemburg vóór op Nederland.
De gebruikelijke verklaring – het mkb is behoudend, weet niet wat er kan, mist ambitie – houdt geen stand. Het CBS vroeg bedrijven die AI hadden overwogen maar er niet mee doorgingen naar hun reden. Verreweg de belangrijkste, genoemd door 75% en de nummer één in élke grootteklasse en bedrijfstak, was gebrek aan ervaring. Niet: te duur. Niet: onnodig. Maar: wij weten niet hoe.
Dat is een fundamenteel ander probleem dan onwil. En het vraagt om een fundamenteel ander antwoord dan nog een subsidieregeling of nog een bewustwordingscampagne.
De rekensom die het project stopt
Verplaats je even in de directeur. Je ziet de potentie: hogere doorloop, minder fouten, capaciteit zonder extra fte. En toch sneuvelt het project meestal op hetzelfde punt, het moment waarop iemand uitrekent wat ervoor nodig is.
Procesautomatisering betekent eerst het proces in kaart brengen. Digitalisering betekent auditen hoe de data er werkelijk uitziet, niet hoe de handleiding zegt dat het eruitziet. Beide betekenen maanden discovery, workshops, een systeemintegrator, licentieverplichtingen en een veranderprogramma voor de mensen die daarna anders moeten werken.
Een shortcut is er niet, want het proces is werkelijk uniek. De intakeflow van een logistiek dienstverlener is niet die van een tuinbouwgroothandel. Standaardsoftware dekt misschien 70%; in de resterende 30% zit in het eigenlijke bedrijf: de uitzonderingen, de klantspecifieke regels, de kennis die alleen in iemands hoofd zit.
Dat gat dichten vroeg altijd om een consultancy-inspanning, per uur gefactureerd, over een doorlooptijd die lang genoeg is om de business case te laten verdampen voordat het systeem live gaat.
En je weet hoe zulke trajecten vaak aflopen. Onderzoek van McKinsey & Company en de Universiteit van Oxford naar ruim 5.400 grote IT-projecten vond een gemiddelde budgetoverschrijding van 45% en een doorlooptijdoverschrijding van 7%, terwijl er 56% mínder waarde werd geleverd dan voorspeld. 17% liep zo ver uit de hand – 200% tot 400% overschrijding – dat de onderzoekers ze ‘black swans’ noemden: projecten die het voortbestaan van een onderneming kunnen bedreigen.
Merk op wat hier werkelijk gebeurt: bij facturatie per uur ligt dat volledige overschrijdingsrisico bij jou, de klant. Je twijfel gaat dus niet over technologie. Je weigert, terecht, andermans onzekerheid te financieren.
Dus houd je de spreadsheet. Twintig jaar lang was dat vaak de juiste beslissing. Die terughoudendheid is geen conservatisme. Het is een correcte lezing van de historische data.
En AI verandert daar op zichzelf niets aan. Het MIT-onderzoek The GenAI Divide, gebaseerd op ruim 300 publieke AI-initiatieven, 52 organisatie-interviews en 153 bestuurdersenquêtes, concludeerde dat 95% van de generatieve AI-pilots geen meetbaar rendement op de winst-en-verliesrekening oplevert. Wie ‘we doen gewoon een AI-pilot’ als antwoord geeft, biedt je een lot in een loterij die je vrijwel zeker verliest.
Wat de data wél zegt over wat werkt
Hetzelfde MIT-onderzoek laat zien wat de succesvolle 5% anders doet. Drie bevindingen springen eruit, en alle drie vallen ze uit in het voordeel van het Nederlandse mkb.
Externe partners verslaan zelfbouw met een factor twee
Externe partnerschappen met maatwerkoplossingen die zich aanpassen aan de workflow haalden in ongeveer 67% van de gevallen daadwerkelijk productie. Intern gebouwde oplossingen kwamen uit op ongeveer 33%. Voor een mkb-bedrijf zonder eigen AI-team is dat geen beperking maar een voordeel: de route met de hoogste slagingskans is precies de route die je sowieso al zou nemen.
Het mkb is sneller dan het grootbedrijf
Ondernemingen met meer dan $100 miljoen hebben gemiddeld negen maanden of langer nodig om van pilot naar productie te komen. Goed presterende middelgrote bedrijven doen het in ongeveer 90 dagen. Minder governancelagen, kortere lijnen, één beslisser. Het structurele nadeel van het mkb bij IT (geen schaal, geen eigen afdeling) draait hier om in een structureel voordeel.
De waarde zit in de back office, niet in marketing
Het MIT-onderzoek vond de hoogste rendementen in operationele processen en backoffice-automatisering, niet in sales en marketing, waar het meeste budget naartoe gaat. Het CBS meet bij Nederlandse bedrijven precies het omgekeerde gedrag: 35% van de AI-gebruikers zet het in voor marketing of verkoop. Nederland investeert zijn AI-inspanning daarmee overwegend in het kwadrant met het laagste bewezen rendement.
Wat er werkelijk veranderd is
De variabele die verschoven is, is niet de software. Het zijn de kosten van het bouwen van die 30% maatwerk.
Large language models en coding agents hebben de inspanning ingeklapt die nodig is om maatwerklogica te bouwen op een specifieke workflow. Werk dat een team consultants een kwartaal kostte (de uitzonderingsgevallen doornemen, integratielagen schrijven, de interface bouwen, testen tegen echte historische data) kost een klein senior team nu weken. Niet omdat het werk wordt overgeslagen, maar omdat het trage, dure deel ervan is samengedrukt.
En de verrassing: deze verschuiving helpt het mkb méér dan het grootbedrijf. Grote ondernemingen konden de consultancy-inspanning altijd al betalen. Het mkb niet: vandaar standaardsoftware die slecht paste, of helemaal niets. De economie die hen uitsloot, is verschoven.
En de data over wie van die verschuiving profiteert, is ondubbelzinnig. Uit een benchmarkanalyse van Opsera over meer dan 250.000 ontwikkelaars bij ruim zestig organisaties blijkt dat senior engineers ongeveer vijf keer zoveel productiviteitswinst uit AI-tooling halen als junior engineers.
Ander onderzoek, waaronder de DORA-rapporten van Google, laat zien dat snelheidswinst op taakniveau niet automatisch doorwerkt in leveringssnelheid, tenzij review en proces op orde zijn, en dat is precies waar een senior team het verschil maakt.
De implicatie is ongemakkelijk voor het traditionele consultancymodel. De piramide van junior consultants onder één partner is precies de teamstructuur die het mínst profiteert van deze technologie. Een klein team van senior engineers is de structuur die het méést profiteert.
Van uren naar impact: Waarom de prijs vast hoort te zijn
Die verschuiving hoort te veranderen hoe dit soort trajecten wordt ingekocht, en dat gebeurt steeds vaker.
Zodra een klein senior team het werk in weken doet in plaats van kwartalen, wordt de doorlooptijd voorspelbaar. En als de bouwkosten niet langer de dominante variabele zijn, dan is facturatie per uur voor geen van beide partijen nog logisch. Uurtarieven zijn een mechanisme om onzekerheid te verdelen wanneer niemand weet hoe lang iets duurt: de klant draagt het risico van uitloop.
Het alternatief bestaat uit twee onderdelen, en ze horen bij elkaar.
1: De kostenschatting is openbaar
Vóór het eerste gesprek, niet erna. Een leverancier die zijn bedrag pas noemt na een discoveryfase, vraagt je te investeren voordat je kunt vergelijken. Wie zijn schatting durft te publiceren, zegt daarmee twee dingen tegelijk: ik kan dit werk inschatten, en ik heb niets te verbergen aan de manier waarop het bedrag tot stand komt.
2: De prijs is vast, tegen een gedefinieerd resultaat
De klant kent het bedrag vóór ondertekening. De leverancier draagt de overschrijding: het risico ligt waar het thuishoort, bij de partij die het kan beheersen. Scope-discussies vinden aan het begin plaats, in de openbaarheid, in plaats van als een reeks meerwerkverzoeken na zes maanden.
Het haalt bovendien een prikkel weg die klanten altijd al vermoedden maar zelden uitspraken: bij uurtarieven verdient de leverancier meer naarmate het werk langer duurt. Een vaste prijs keert die prikkel om: hoe sneller en beter het resultaat, hoe beter voor beide partijen. Leverancier en klant staan eindelijk aan dezelfde kant van de tafel.
Dat is geen prijsstrategie. Het is de logische consequentie van de nieuwe rekensom: nu het uur niet langer de kostendrijver is, hoort niet het uur maar de impact de eenheid van afrekening te zijn.
Drie vragen
Drie vragen maken duidelijk of een voorstel echt goed is:
Is de prijs vast, tegen welk resultaat, en was de schatting vooraf openbaar? Een vaste prijs tegen een vage scope is een onderhandeling die je later verliest. Een vaste prijs tegen een gedefinieerd, toetsbaar resultaat is een verplichting van de leverancier. En een bedrag dat pas ná de discoveryfase op tafel komt, is geen transparantie maar theater.
Wie doet het werk werkelijk? Gegeven de 5:1-verhouding tussen senior en junior is een teampiramide geen efficiëntie meer, maar een kostenpost die je betaalt. Beschrijft het voorstel een structuur in plaats van namen, vraag dan waarom.
Wat draait er over 90 dagen? Dat is het tempo waarop goed presterende middelgrote bedrijven aantoonbaar leveren. Moderne delivery levert binnen weken iets op dat draait op je echte data. Is de eerste mijlpaal een ontwerpdocument of een presentatie, dan is het onderliggende model niet veranderd, alleen de pitch.
Conclusie
Het bezwaar ‘het werkt toch’ was nooit irrationeel. Het was een correcte lezing van een markt waarin maatwerk meer kostte dan het opleverde. Die markt bestaat niet meer. Toch hoeft een organisatie dat niet zomaar aan te nemen.
De beste toets is eenvoudig: één proces, een steekproef van historische data en de vraag of er binnen enkele weken iets werkends kan worden opgeleverd dat de betrokken medewerkers overtuigt, tegen een vast en vooraf gepubliceerd bedrag. Elke serieuze partij zou die toets moeten kunnen doorstaan. Als een consultancy dat niet aandurft, neemt die de twijfel niet weg, maar bevestigt die juist.
