Agentic AI in je MKB: zo maak je je organisatie klaar
Inhoud
Er zit een gat tussen wat bedrijven willen met AI en wat ze daadwerkelijk aankunnen. MIT Technology Review zette deze week een cijfer op dat gat: 85% van de organisaties wil binnen drie jaar 'agentic' werken, met AI-agents die zelfstandig taken uitvoeren. Maar 76% zegt dat hun huidige werkwijze, infrastructuur en mensen dat helemaal niet kunnen dragen.
Dat is geen technologieprobleem. De modellen zijn er. Het is een organisatieprobleem. En precies daar struikelt het Nederlandse MKB, want bij ons is de afstand tussen 'we willen iets met AI' en 'het draait stabiel mee in onze processen' vaak nog groter dan bij de grote jongens met een eigen IT-afdeling.
In dit artikel laat ik zien waarom die kloof ontstaat en hoe je je bedrijf wel klaarmaakt voor AI-agents. Niet met een groot transformatieprogramma, maar met een paar nuchtere keuzes die je deze maand al kunt maken.
Wat 'agentic AI' eigenlijk betekent voor een MKB-bedrijf
Een AI-agent is geen chatbot die antwoord geeft op een vraag. Een agent voert een taak van begin tot eind uit: hij leest een binnenkomende offerteaanvraag, haalt de prijzen op, stelt een concept op en zet het klaar voor jouw akkoord. Het verschil zit in zelfstandigheid en in toegang tot je systemen.
En daar zit meteen de adder. Een chatbot kan weinig kapotmaken. Een agent die mag boeken, mailen of factureren wel. Zodra software namens jou handelt, raak je aan je administratie, je klantdata en je aansprakelijkheid. Dat is de reden dat zoveel bedrijven blijven hangen in de pilotfase: een demo bouwen is makkelijk, maar een agent verantwoord laten meedraaien in de echte business is een ander verhaal.
Voor het MKB in Nederland betekent dit dat de winst niet zit in het meest geavanceerde model, maar in het afbakenen van waar een agent wel en niet aan mag komen. Klein beginnen op een proces dat je goed kent, is bijna altijd slimmer dan een groot orkest aan agents dat niemand meer overziet.
Waarom 76% vastloopt: het zit in mensen en processen
Volgens MIT Technology Review noemen bedrijven niet de techniek als blokkade, maar gebrek aan readiness in mensen, processen en workflows. Vertaald naar de praktijk: niemand weet wie verantwoordelijk is als de agent een fout maakt, de processen staan nergens opgeschreven, en het personeel vertrouwt het ding niet.
Dat laatste is geen detail. Bij Uber zei president Andrew Macdonald deze week dat het 'lastig te verantwoorden' wordt waar het AI-budget precies aan opgaat, nadat het jaarbudget na vier maanden al op was. Als een bedrijf van die omvang de opbrengst niet kan aanwijzen, snap je waarom een MKB-ondernemer terughoudend is. De les is niet 'doe het niet', maar 'meet wat het oplevert voordat je opschaalt'.
Een proces dat alleen in iemands hoofd zit, kun je niet aan een agent overdragen. De voorbereiding op agentic AI is dus voor een groot deel saai huiswerk: vastleggen hoe een taak nu loopt, welke beslissingen erin zitten en waar het mis kan gaan. Wie dat overslaat, bouwt een agent op drijfzand.
Een nuchter stappenplan om je organisatie klaar te maken
Stap 1: kies één proces. Niet je hele bedrijf, één terugkerende taak met duidelijke regels. Denk aan het sorteren van inkomende mail, het opstellen van offerteconcepten of het bijwerken van je voorraadlijst.
Stap 2: schrijf het uit. Welke stappen, welke beslismomenten, welke uitzonderingen. Dit is meteen je controlelijst om te checken of de agent het goed doet.
Stap 3: regel de data en de toegang. Welke gegevens raakt de agent, en mag dat? Onder de AVG ben jij verantwoordelijk voor persoonsgegevens, ook als een AI-tool ze verwerkt. Zet vast welke systemen de agent mag inzien en waar de grens ligt. Met de EU AI Act in aantocht is dit geen formaliteit meer maar gewoon goed huisvaderschap.
Stap 4: hou een mens in de lus. Laat de agent voorstellen doen, jij geeft akkoord. Pas als je weken achter elkaar ziet dat de output klopt, geef je hem meer ruimte.
Stap 5: meet en beslis. Bespaart het echt tijd of geld? Zo niet, dan stop je ermee of pas je het aan. Geen prestige, gewoon rekenen.
De jobs-angst: realistisch blijven
Rond elke AI-golf hoor je dat kantoorbanen verdwijnen. MIT Technology Review zette daar deze week een reality check tegenover: de ontslagrondes bij bedrijven als Coinbase, Meta en Cisco worden makkelijk op het conto van AI geschreven, terwijl de oorzaken vaak veel gewoner zijn.
Voor het MKB in Nederland is de praktische vraag niet 'vervangt AI mijn mensen' maar 'welk vervelend stuk werk kan ik weghalen zodat mijn mensen aan iets nuttigers toekomen'. Een agent die de mailbox voorsorteert geeft je medewerker tijd terug voor klantcontact. Dat is een andere insteek dan vervangen, en het is bovendien de insteek die in de praktijk wel werkt.
Wat dit betekent voor jou
Mijn take: de bottleneck voor agentic AI is niet het model maar je eigen organisatie. Dat cijfer van 76% die het niet aankan is geen reden om te wachten, het is een reden om je huiswerk te doen. Kies één proces, schrijf het uit, regel je AVG-verplichtingen, hou een mens in de lus en meet of het wat oplevert. Doe je dat, dan zit je straks in de groep die het wel kan, in plaats van de groep die er drie jaar over praat. Wil je sparren over welke taak in jouw bedrijf het meest geschikt is om mee te beginnen? Dan denk ik graag een uur met je mee.
Werkt deze AI-ontwikkeling door in jouw bedrijf? een korte sparring boeken.
Wat is agentic AI precies?
Agentic AI zijn AI-systemen die niet alleen antwoorden geven, maar zelfstandig taken uitvoeren van begin tot eind. Een AI-agent kan bijvoorbeeld een aanvraag lezen, gegevens ophalen en een concept klaarzetten. Het verschil met een gewone chatbot zit in de zelfstandigheid en de toegang tot je systemen.
Hoe maak ik mijn MKB-organisatie klaar voor AI-agents?
Begin klein: kies één terugkerend proces, schrijf uit hoe het nu loopt, regel welke data de agent mag raken onder de AVG, hou een mens in de lus voor akkoord, en meet of het echt tijd of geld bespaart voordat je opschaalt.
Waarom lukt het zoveel bedrijven niet om AI-agents in te zetten?
Volgens MIT Technology Review ligt het zelden aan de techniek. 76% van de organisaties loopt vast op mensen, processen en workflows: onduidelijke verantwoordelijkheid, processen die nergens vastliggen en personeel dat de tool niet vertrouwt.
Kan ik een AI-agent zomaar toegang geven tot mijn klantgegevens?
Niet zomaar. Onder de AVG blijf jij verantwoordelijk voor persoonsgegevens, ook als een AI-tool ze verwerkt. Leg vast welke systemen de agent mag inzien, beperk de toegang tot wat nodig is en check de afspraken met je leverancier. Met de EU AI Act in aantocht is dit extra belangrijk.
Vervangen AI-agents straks mijn personeel?
Voor het MKB is dat de verkeerde vraag. Praktischer is: welk vervelend, repeterend werk kan een agent overnemen zodat je mensen tijd krijgen voor klantcontact en complexer werk. Vervangen werkt zelden, taken weghalen wel.
Wanneer is mijn bedrijf klaar om op te schalen met AI-agents?
Pas als je weken achter elkaar ziet dat de output van je eerste agent klopt en aantoonbaar tijd of geld bespaart. Geef de agent dan stap voor stap meer ruimte. Levert het niets op, dan stop je of pas je het aan, zonder prestige.