Generatieve AI voor bedrijven: wat kun je ermee en waar begin je?

Generatieve AI voor bedrijven: wat het is, welke AI-oplossingen in het mkb echt werken, welke risico's je afdekt en hoe je verstandig begint. Zonder hype.

Samenvatting

Generatieve AI is software die nieuwe tekst, samenvattingen, code, beelden of gestructureerde data maakt op basis van een opdracht en context. Voor bedrijven zit de waarde niet in een chatvenster, maar in het inbouwen van die mogelijkheid in bestaande processen: mail beantwoorden, documenten verwerken, offertes voorbereiden, vragen van medewerkers beantwoorden uit eigen kennis. De meeste AI-oplossingen die in het mkb blijven hangen, zijn klein, afgebakend en gekoppeld aan de systemen die je al hebt. Begin met één proces waar veel herhaalwerk zit, houd een mens in de lus, regel je data en privacy vooraf en bouw uit op basis van wat je meet.

Wat is generatieve AI, in gewone woorden?

Generatieve AI is een verzamelnaam voor modellen die inhoud produceren in plaats van alleen classificeren of voorspellen. Een taalmodel krijgt tekst als invoer (een vraag, een e-mail, een document plus instructies) en geeft tekst terug: een antwoord, een samenvatting, een ingevuld formulier, een stuk code. Beeldmodellen doen hetzelfde met afbeeldingen. Het verschil met de AI van tien jaar geleden is dat je niet meer voor elke taak een eigen model hoeft te trainen; je beschrijft de taak in gewone taal en geeft het model de context die het nodig heeft.

Belangrijk om te weten: een taalmodel weet niets over jouw bedrijf. Het kent geen klanten, prijzen of procedures. Alles wat het over jouw situatie moet weten, geef je mee in de opdracht of haal je op uit je eigen systemen op het moment dat de vraag wordt gesteld. Dat laatste heet vaak RAG (retrieval augmented generation) en is de basis van vrijwel elke serieuze zakelijke toepassing. Meer over die aanpak lees je bij AI-kennisassistent op eigen data.

Wat kun je als bedrijf met generatieve AI?

De toepassingen die wij in het mkb het vaakst tegenkomen en die na een half jaar nog steeds worden gebruikt:

• Inkomende communicatie verwerken. E-mails, formulieren en berichten lezen, classificeren, de relevante gegevens eruit halen en een conceptantwoord klaarzetten. De medewerker controleert en verstuurt.
• Documenten verwerken. Facturen, orders, contracten, cv's of inspectierapporten omzetten naar gestructureerde data die rechtstreeks in je ERP, CRM of boekhouding landt.
• Kennis ontsluiten. Een assistent die vragen van medewerkers of klanten beantwoordt op basis van je eigen handleidingen, procedures, productinformatie en eerdere tickets, met bronvermelding.
• Offertes en teksten voorbereiden. Op basis van een intake en je eigen prijslijst een eerste versie van een offerte, werkomschrijving of productbeschrijving maken die een mens afmaakt.
• Samenvatten en rapporteren. Vergaderingen, klantgesprekken, lange rapporten of weekcijfers samenvatten in een vast format voor de mensen die het moeten lezen.
• Taken uitvoeren in systemen. Een stap verder: AI die niet alleen tekst maakt maar ook acties onderneemt, zoals een afspraak inplannen, een order aanmaken of een status bijwerken. Dit zijn AI-agents, en die vragen om strakke kaders.

Wat opvalt: geen van deze voorbeelden is een losstaande chatbot. De waarde ontstaat pas als de AI is gekoppeld aan je data en je proces. Concrete cases per sector vind je in AI-automatisering: voorbeelden uit het mkb.

Waar gaat het mis bij AI voor bedrijven?

Er zijn meer mislukte AI-projecten dan geslaagde, en de oorzaken zijn bijna altijd dezelfde:

• Beginnen bij de technologie in plaats van bij het probleem. Een tool aanschaffen en dan zoeken naar een toepassing werkt zelden. Andersom wel: een proces kiezen waar het knelt en dan kijken of AI daar iets kan.
• Geen mens in de lus. Taalmodellen maken fouten en doen dat overtuigend. Bij alles wat naar een klant gaat of geld kost, moet een medewerker controleren, in elk geval in het begin.
• Slechte of ontoegankelijke data. Als je procedures in hoofden zitten en je klantdata over vijf systemen verspreid is, heeft een model niets om mee te werken. Dat opruimen is vaak de eerste, minst spannende en belangrijkste stap.
• Privacy als bijzaak. Klantgegevens zonder verwerkersovereenkomst naar een gratis chatdienst sturen is een datalek. Dit is te regelen, maar wel vooraf.
• Geen eigenaar. Een AI-oplossing zonder iemand die de resultaten bijhoudt en de instructies bijstelt, verslechtert langzaam en wordt uiteindelijk genegeerd.

Kopen, bouwen of combineren?

Voor generieke taken zoals tekst herschrijven, vergaderingen samenvatten of code aanvullen zijn bestaande AI-producten uitstekend en goedkoop. Kopen dus. Maatwerk wordt interessant zodra de AI moet werken met jouw data, jouw systemen en jouw regels: een kennisassistent die alleen uit jouw documenten put, een documentverwerker die precies jouw ordervelden vult, een mailassistent die in jouw CRM kijkt. In de praktijk is het bijna altijd een combinatie: een bestaand taalmodel via een API of zelf gehost, met daaromheen maatwerk voor de koppelingen, de controle en de bedrijfsregels.

Twijfel je welke kant je op moet, dan is een onafhankelijke AI-consultancy met een scan van je processen een verstandige eerste stap. Let er dan wel op dat degene die adviseert ook weet hoe het gebouwd moet worden, anders krijg je een mooi rapport dat niemand kan uitvoeren.

Privacy, AVG en de AI-verordening

Generatieve AI in een bedrijf betekent dat gegevens door een model gaan, en dus gelden de gewone regels. Een paar praktische uitgangspunten:

• Gebruik zakelijke API's of eigen hosting met een verwerkersovereenkomst; de gratis consumentenversies van AI-diensten zijn voor bedrijfsdata ongeschikt.
• Bepaal per toepassing welke gegevens het model te zien krijgt en of persoonsgegevens geanonimiseerd kunnen worden voordat ze worden verstuurd.
• Overweeg een open-source model op een server in de EU voor gevoelige data, zoals in de zorg, HR of financiële dienstverlening.
• Leg vast wat de AI heeft gedaan en waarom, zodat je een besluit achteraf kunt uitleggen aan een klant of toezichthouder.
• Check in welke risicocategorie je toepassing valt onder de Europese AI-verordening. De meeste mkb-toepassingen vallen in de laagste categorie, maar bij besluiten over mensen (sollicitaties, kredietwaardigheid) gelden zwaardere eisen.

Waar begin je met AI-oplossingen in je bedrijf?

Een aanpak die in de praktijk werkt, in vijf stappen:

• Kies één proces met veel herhaalwerk, duidelijke input en output, en een medewerker die er graag vanaf wil. Mailverwerking en documentverwerking zijn bijna altijd goede kandidaten.
• Meet de uitgangssituatie. Hoeveel tijd kost het nu, hoeveel fouten zitten erin, hoe lang wacht een klant? Zonder nulmeting weet je later niet of het werkt.
• Bouw klein en met een mens in de lus. Een eerste versie die conceptantwoorden klaarzet en door een medewerker wordt gecontroleerd, levert snel vertrouwen en data op.
• Koppel aan je systemen. Zodra het werkt, laat je de uitkomst direct in je CRM, ERP of planning landen. Daar zit de echte tijdwinst, en dat is waar AI-procesautomatisering over gaat.
• Evalueer en breid uit. Na een paar maanden bekijk je de cijfers, stel je de instructies bij en kies je het volgende proces. Zo bouw je stap voor stap een AI-strategie op die op resultaten is gebaseerd in plaats van op verwachtingen.

Generatieve AI voor je bedrijf in Tilburg, Brabant en heel Nederland

SuperCoders helpt vanuit Tilburg bedrijven in Brabant en heel Nederland om generatieve AI in te zetten waar het echt iets oplevert: van een AI-scan van je processen tot het bouwen en koppelen van de oplossing. Eigen developers in Nederland, vaste prijs per fase, elke twee weken een werkende versie, en jij blijft eigenaar van data, prompts en code. Wil je weten welk proces bij jou als eerste in aanmerking komt? Plan een gratis adviesgesprek of bel 013 234 0782.