Vincent van Deth 

Je hebt het misschien gehoord: de AI Act is uitgesteld. Dat klopt, maar slechts half. De zwaarste regels schuiven inderdaad door naar 2027 en 2028. Het deel dat de meeste MKB-bedrijven raakt, gaat op 2 augustus 2026 gewoon in.

Dat is precies de verwarring die ik nu in gesprekken hoor. "Uitgesteld" klinkt als achterover leunen. Maar wat uitgesteld is, geldt voor een klein deel van de bedrijven. Wat blijft staan, geldt voor bijna iedereen die een chatbot of AI-content gebruikt. Dit stuk zet de twee uit elkaar, zodat je weet wat je nu moet regelen en wat kan wachten.

## Wat de AI Act uitstelt (en waarom dat opluchting is voor het MKB)

In juni 2026 stemde het Europees Parlement in met de Digital Omnibus, een pakket dat de tijdlijn van de AI Act herschrijft. De kern: de verplichtingen voor high-risk AI gaan later in.

- **High-risk AI op zichzelf** (Annex III, denk aan systemen die beslissen over toegang tot zorg, krediet of werk): van 2 augustus 2026 naar **2 december 2027**.
- **High-risk AI ingebouwd in producten** (Annex I, zoals medische AI): van 2 augustus 2027 naar **2 augustus 2028**.

Voor de meeste MKB-bedrijven is dit goed nieuws, en wel om een simpele reden: je gebruikt waarschijnlijk helemaal geen high-risk AI. Een chatbot op je website, AI die offertes opstelt of teksten schrijft, dat valt niet onder high-risk. Die zware categorie raakt vooral specifieke sectoren. Het uitstel haalt dus druk weg bij een groep waar de meeste ondernemers niet eens in zitten.

## Wat op 2 augustus 2026 wél ingaat

Hier zit het addertje. De **transparantieverplichtingen (artikel 50)** schuiven niet op. Die gaan op 2 augustus 2026 in, en ze gelden voor elk AI-systeem in een paar veelvoorkomende situaties, niet alleen voor high-risk.

Concreet, en dit raakt wél het gewone MKB:

- **Een chatbot moet zich kenbaar maken als AI.** Praat een klant met een bot op je site, dan moet duidelijk zijn dat het geen mens is.
- **AI-gegenereerde content moet als zodanig herkenbaar zijn.** Teksten, beelden, audio en video die een AI maakt, moeten gemarkeerd worden, ook machine-leesbaar (een soort watermerk).
- **Deepfakes moeten gelabeld worden.** Realistische AI-beelden of -video van mensen of gebeurtenissen die niet echt zijn, moet je als kunstmatig aanduiden.

De boodschap is simpel: zodra je AI inzet richting klanten of publiek, moet je open zijn dat het AI is. Geen verstopte bots, geen ongemarkeerde AI-beelden. Dat sluit aan op de bredere privacyvraag rond AI, die ik uitwerkte in [wat mag wel en niet met AI en de AVG](/blog/ai-avg-privacy-wat-mag-wel-niet).

Tijdlijn van de AI Act: transparantie-eisen op 2 augustus 2026, high-risk uitgesteld naar december 2027 en augustus 2028

## Wat dit concreet voor jouw MKB betekent

Vertaal het naar je eigen bedrijf. Drie checks:

1. **Heb je een chatbot of AI-assistent in klantcontact?** Zorg dat die meldt dat het AI is. Eén regel volstaat vaak: "Je chat met een AI-assistent."
2. **Publiceer je AI-gemaakte teksten, beelden of video's?** Markeer ze. Gebruik je een generatieve AI-tool die al vóór 2 augustus 2026 in gebruik was, dan is er een respijt: de machine-leesbare markering hoeft pas op 2 december 2026 op orde te zijn.
3. **Gebruik je realistische AI-beelden van mensen?** Label ze als AI-gegenereerd.

Dat is het, voor de meeste bedrijven. Geen conformiteitsbeoordeling, geen zware audits, dat hoort bij high-risk en dat is uitgesteld. Wat nu telt is eerlijkheid: laat zien waar AI in het spel is.

## De boetes, en de verzachting voor het MKB

De AI Act kan stevig beboeten: tot 15 miljoen euro of 3 procent van de wereldwijde jaaromzet voor overtredingen in deze categorie. Dat klinkt heftig, en voor grote spelers is het dat ook.

Voor het MKB geldt een verzachting, en die is concreter dan "proportioneel". Voor kleine bedrijven draait de boeteregel zelfs om: niet het hoogste van die twee bedragen, maar het laagste. Een klein bedrijf riskeert dus een fractie van dat maximum, niet de volle 15 miljoen. De toezichthouder gaat een klein bedrijf met een nette chatbot-melding ook niet hetzelfde behandelen als een multinational die bewust deepfakes verspreidt. Maar reken niet op die nuance als excuus om niks te doen: de transparantie-eis zelf is helder en goedkoop om te halen.

## Het uitstel is inmiddels definitief

Toen ik dit schreef stond het nog niet in beton. Inmiddels wel. Verordening (EU) 2026/1744, de Digital Omnibus on AI, is aangenomen op 8 juli 2026 en in werking sinds 27 juli 2026. De nieuwe datums zijn daarmee geldend recht: 2 december 2027 voor Annex III, 2 augustus 2028 voor Annex I, en 2 augustus 2027 voor de sandboxes.

Wat betekent dat voor jou? Plan op de transparantie-eis van 2 augustus 2026, want die schoof niet mee. En controleer de datum in elk stuk advies dat je krijgt: veel Nederlandse bronnen tonen nog steeds 2 augustus 2026 voor hoog-risico.

> **Lees ook:** **[AI Act voor het MKB: wat je nu geregeld moet hebben](/governance/ai-act)**: de actuele stand van zaken per artikel, met een checklist van 17 punten en de boete-nuance voor het MKB uit artikel 99, lid 6.

## Wat ik zou doen

Niet wachten, en ook niet in paniek schieten. Loop je AI-gebruik langs met de drie checks hierboven, en regel de transparantie waar nodig. Dat is een middag werk, geen project. De volledige stappenlijst staat in [de AI-Act-checklist voor het MKB](/blog/ai-act-augustus-2026-mkb-checklist).

Zit je in een sector waar high-risk AI wél speelt (zorg, krediet, werving, onderwijs)? Dan heb je nu tijd gekregen, maar gebruik die tijd om je leverancier te laten aantonen dat hij de high-risk-compliance op orde krijgt vóór zijn deadline. Uitstel is geen afstel.

> **Lees ook:** **[AI in de zorg: waar het mag, en waar het moet wachten](/blog/ai-zorg-mkb-waar-het-mag)**: hoe de high-risk-grens uitpakt in een sector waar het wél speelt.

Veelgestelde vragen

## Regel de transparantie, houd de rest in de gaten

De AI Act is geen muur die op 2 augustus op je afkomt. Het deel dat de meeste MKB-bedrijven raakt is klein en goedkoop te regelen: wees open dat je AI gebruikt. Het zware deel is uitgesteld en raakt je waarschijnlijk niet.

Wil je zeker weten welke AI-Act-eisen op jouw bedrijf van toepassing zijn en wat je moet regelen? [Plan een vrijblijvend kennismakingsgesprek](/ai-voor-het-mkb), dan lopen we je AI-gebruik samen langs.

large_ai-act-2-augustus-wat-verandert_cover

medium_ai-act-2-augustus-wat-verandert_cover

small_ai-act-2-augustus-wat-verandert_cover

thumbnail_ai-act-2-augustus-wat-verandert_cover

ai-act-2-augustus-wat-verandert_cover

AI Act op 2 augustus: wat ingaat, en wat is uitgesteld

Je kunt de beste AI-tool van de markt aanschaffen en alsnog niets veranderen. Niet omdat de techniek niet werkt, maar omdat niemand hem gebruikt. AI-adoptie is het stuk waar de meeste MKB-bedrijven op vastlopen, en het is precies het stuk dat in de meeste adviezen ontbreekt.

In dit stuk lees je hoe je AI-adoptie in het MKB wél voor elkaar krijgt. Niet met een groot programma vol trainers en champions, want dat past niet bij een bedrijf van twintig man. Wel met een aanpak die ik als eenpitter bij kleinere MKB-bedrijven gebruik, met de eigenaar en de proceseigenaar als motor.

## Het probleem zit bij de mensen, niet bij de tool

De cijfers zijn duidelijk over waar het misgaat. Onderzoek van Prosci laat zien dat ongeveer 63% van de knelpunten bij AI-implementaties bij de mens ligt, niet bij de techniek. BCG komt voor AI met een vergelijkbare verhouding: de waarde zit voor ongeveer 70% in mensen en processen, en maar 10% in het algoritme. De meeste bedrijven investeren precies andersom.

Dat herken je waarschijnlijk. Iemand koopt een licentie, houdt een demo, en drie weken later is iedereen terug bij de oude manier van werken. De tool staat er, maar het gedrag is niet veranderd.

AI verandert het werk zelf, niet alleen het gereedschap. En werk verander je niet met een mailtje van de directie dat "we nu AI doen". Je verandert het door de mensen die ermee moeten werken er echt bij te betrekken.

> 📖 **Lees ook:** **[Waarom het MKB worstelt met AI-implementatie](/blog/mkb-worstelt-met-ai-implementatie)**: de struikelblokken die de meeste bedrijven raken.

## Het grootbedrijf-draaiboek past niet op het MKB

Grote organisaties hebben hier een vast recept voor. Ze rollen AI uit in golven, trainen managers, en bouwen een netwerk van champions: collega's die als aanspreekpunt fungeren en de rest meenemen. Bedrijven met zo'n actief champion-netwerk halen er twee tot drie keer zoveel gebruik uit als bedrijven die het hun mensen zelf laten uitzoeken.

Dat werkt op de schaal van duizenden medewerkers. Maar als je twintig of vijftig man bent, heb je geen afdeling die een champion-programma kan optuigen, en geen budget voor maandenlange trajecten. Het draaiboek van een bank van zesduizend mensen kopiëren naar jouw bedrijf is vragen om teleurstelling.

De onderliggende les klopt wel: adoptie loopt via mensen, niet via een tool. Alleen de vorm moet anders. Kleiner, directer, en zonder overhead.

De motor van adoptie: eigenaar en proceseigenaar betrekken het team, niet andersom

## Wat wél werkt: AI-adoptie bij kleiner MKB

In een klein bedrijf hoef je geen champion-leger op te bouwen. Je hebt al iemand naar wie mensen toelopen met vragen: vaak de eigenaar zelf, of de persoon die het proces het beste kent. Dat is je champion. Zo pak ik het aan.

### Betrek de eigenaar en de proceseigenaar direct

Ik bouw nooit iets over de hoofden van mensen heen. De eigenaar en de proceseigenaar zitten vanaf het begin aan tafel: zij kennen het werk, zij voelen de pijn, en zij hebben het gezag om het echt te laten landen. Niet als opdrachtgever op afstand, maar als mede-eigenaar van de verandering.

Dat is meteen het verschil met een tool die van bovenaf wordt opgelegd. Als de proceseigenaar zelf heeft meegedacht over wat AI overneemt en wat niet, verdedigt hij het ook naar de rest van het team.

### Laat hen de voortgang bewaken

Hier zit de kern. Adoptie houd je niet vast met een eenmalige training, maar met een terugkerend moment. Ik zorg dat de eigenaar en proceseigenaar de voortgang bewaken door het regelmatig met hun team te bespreken.

Geen apart overlegcircus, maar een vast punt in het bestaande teamoverleg: wat ging goed, waar liep iemand vast, wat passen we aan. Dat houdt het levend, het haalt frictie naar boven voordat mensen afhaken, en het maakt duidelijk dat dit blijft, geen proefballonnetje.

### Begin met één proces en één klein succes

Geen grote uitrol waarin alles tegelijk moet. Eén proces dat nu pijn doet, daar iets bouwen dat werkt, en het zich laten bewijzen. Een kleine geslaagde stap doet meer voor het draagvlak dan elk plan op papier. Zo ziet het [automatiseren van je eerste proces](/blog/eerste-processen-automatiseren-ai) eruit.

Als dat ene proces werkt en het team het merkt, ontstaat de vraag naar het volgende vanzelf. Dat is adoptie van binnenuit, niet van bovenaf opgelegd.

### Meet, en bespreek wat je meet

Goed bewaken kan alleen als je weet hoe het ervoor staat. Ik leg vooraf een nulmeting vast: hoeveel tijd kost dit proces nu, hoe vaak gaat het fout. Daarna meet ik opnieuw, en dat cijfer gaat terug het teamoverleg in.

Een ritme van zes tot acht weken werkt goed: meten, bijsturen waar het gebruik laag is, opnieuw meten. Zo zien mensen zwart op wit dat het iets oplevert, en blijft het systeem verbeteren in plaats van na de oplevering stil te vallen. Meer over hoe je dat narekent staat in mijn stuk over [de ROI van AI berekenen](/blog/roi-ai-berekenen-mkb-rekensommetje).

### Maak het veilig om te experimenteren

Mensen gebruiken AI pas echt als ze niet bang zijn iets fout te doen. Laat zien dat experimenteren mag, dat een misser geen ramp is, en dat de laatste controle altijd bij een mens ligt. Het saaie werk laat je los, de beslissing houd je in handen.

Dat past ook bij hoe je AI verantwoord inzet: een spoor van wat er gebeurt en een menselijke check op de plekken die ertoe doen. Niet om af te remmen, maar om het vertrouwd genoeg te maken dat mensen het echt gaan gebruiken.

## Adoptie is geen project met een einddatum

De grootste valkuil is AI behandelen als een boekhoudpakket: één keer uitrollen, go-live, klaar. AI vraagt om doorlopende aandacht, want het werk blijft veranderen. Daarom is dat terugkerende moment in het teamoverleg belangrijker dan welke training ook.

Voor het MKB is dat juist goed nieuws. Je hebt geen duur programma nodig. Je hebt de eigenaar en proceseigenaar nodig die het serieus nemen, één proces dat zich bewijst, en een vast moment om het te bespreken. De rest volgt.

Dit sluit aan op hoe ik over [AI-advies voor het MKB](/blog/ai-advies-mkb-wat-het-is) denk: niet bij de tool beginnen, maar bij het proces en de mensen.

## Wil je je team echt meekrijgen met AI?

Begin niet met een tool, maar met je proces en de mensen eromheen. De gratis **[AI-Readiness-Scan](/ai-kansen-scan)** brengt in dertig minuten in kaart waar AI in jouw bedrijf het meeste oplevert, en hoe je het ingevoerd krijgt zonder dat het na drie weken stilvalt.

Plan een gratis kennismakingsgesprek, dan kijken we samen naar dat ene proces waar je zou willen beginnen.

large_ai-adoptie-mkb-team-meekrijgen_cover

medium_ai-adoptie-mkb-team-meekrijgen_cover

small_ai-adoptie-mkb-team-meekrijgen_cover

thumbnail_ai-adoptie-mkb-team-meekrijgen_cover

ai-adoptie-mkb-team-meekrijgen_cover

AI-adoptie in het MKB: zo krijg je je team echt mee

De beste sales-tip komt meestal een week te laat. Na de call, in de review, als de deal al gewonnen of verloren is. Tegen die tijd verandert geen enkele tip meer iets.

Ik wilde sales coaching tijdens het gesprek, niet erna. Een coach die met je meeluistert en je op het moment zelf rustig bijstuurt. Dus bouwde ik OnCue, mijn open-source live sales copilot. Hij luistert mee tijdens je call, coacht je op je eigen scherm, en je klantdata blijft op je eigen computer.

## Waarom sales coaching achteraf te laat komt

Je kent het patroon. De gespreksopname die niemand terugkijkt. De call-review een week later. De feedback die klopt, maar die je op het moment zelf had moeten weten.

Sales-training gebeurt bijna altijd naast het echte werk. Je leert de theorie in een zaaltje, en in het echte gesprek moet je het maar zien toe te passen. De momenten die ertoe doen zie je pas terug als het al voorbij is. De gemiste vraag, het onbeantwoorde bezwaar, de klant die afhaakt.

Coaching tijdens het gesprek draait dat om. Niet een oordeel achteraf, maar een rustige duw op het juiste moment.

## Wat OnCue tijdens je gesprek doet

OnCue draait op je eigen Mac en luistert mee tijdens een video-call, of dat nu Teams, Zoom of Google Meet is. Op je tweede scherm ziet alleen jij wat er gebeurt. Vijf dingen concreet.

**Het schrijft je gesprek live uit.** OnCue zet spraak naar tekst op je eigen machine, zodat je het gesprek kunt meelezen. Die audio en dat transcript verlaten je computer niet.

**Het bewaakt je spreektijd.** Een balk laat doorlopend zien hoe het gesprek verdeeld is, jij tegenover je klant. In het voorbeeld hieronder 45 tegen 55 procent. Praat je te lang aan één stuk door, dan verschijnt na ongeveer 76 seconden een zachte hint: tijd om te luisteren. Geen geluid, geen pop-up, niets wat je uit je gesprek trekt.

**Het herkent pijnpunten en bezwaren op het moment dat ze vallen.** Zegt je klant iets over kosten, capaciteit of een concurrent, dan verschijnt er een kaartje met de categorie en de exacte zin erbij. Zo mis je het koopsignaal of het bezwaar niet terwijl je met je antwoord bezig bent.

**Het zet de juiste klantcase op het juiste moment in beeld.** In de Pro-versie schuift OnCue de bijpassende case-slide in je gedeelde presentatie op het moment dat het pijnpunt valt. Voor je klant ziet het eruit als een gewone dia-wissel. Er is geen flits of glitch.

**Het geeft je elke minuut een vervolgvraag.** Naast een korte samenvatting stelt OnCue een concrete vervolgvraag voor, passend bij wat er net gezegd is. Zodat je nooit zonder volgende vraag zit.

Het OnCue-dashboard tijdens een gesprek: links het coaching-signaal met een voorgestelde vraag, in het midden het live transcript per spreker, rechts de herkende bezwaren en pijnpunten met hun zekerheid en de spreektijdverdeling

## Waarom lokaal draaien voor jou het verschil maakt

De bekende tools (Gong, Chorus, Fireflies) nemen je gesprekken op en zetten ze op een server van een ander. Ze werken achteraf, en ze kosten 75 tot 200 euro per gebruiker per maand.

OnCue doet het omgekeerde. Je audio en je transcript blijven op je eigen machine. Voor gevoelige gesprekken of gereguleerde sectoren kun je zelfs zo instellen dat er helemaal niets weggaat, of dat alleen korte, geanonimiseerde stukjes tekst naar je eigen cloud-omgeving gaan.

Dat betekent drie dingen die met een cloud-tool niet kunnen. Je klantdata blijft van jou. Je bent niet afhankelijk van een externe partij die morgen zijn prijzen verhoogt. En **[privacy is geen bijzaak](/blog/ai-avg-privacy-wat-mag-wel-niet)** die je achteraf moet regelen, maar de standaard.

## Het werkt niet alleen voor sales

Ik begon dit voor mijn eigen verkoopgesprekken, maar de onderliggende vraag is breder. In elk gesprek dat ertoe doet wil je weten of je te veel praat, of je de juiste vragen stelt, en wat de ander eigenlijk zei.

Daarom zitten er drie profielen in, en die kies je voor het gesprek begint.

**Sales.** Herkent pijnpunten en bezwaren, bewaakt je spreektijd, en zet de juiste klantcase klaar.

**Coaching.** Een coach die zelf gecoacht wil worden. Praat jij te veel in plaats van je klant? De talk-time-balans is genadeloos eerlijk, en de samenvatting laat zien welke vragen echt iets losmaakten. Voor trainers en coaches die aan hun eigen gespreksvaardigheid werken is dat directer dan een opname terugkijken.

**Recruitment.** Sollicitatiegesprekken, met een belangrijke kanttekening. Zodra je AI inzet bij werving valt dat onder de strengere regels van de AI-verordening. Dan gelden extra eisen: een risicobeoordeling vooraf, vastleggen wat het systeem doet, en menselijk toezicht op elk selectiebesluit. OnCue heeft daar een apart profiel voor met strengere toestemming en een aantoonbaar logboek. Ga je die kant op, laat het dan eerst juridisch toetsen. Dat meen ik.

Die zware eisen voor werving gaan sinds de Digital Omnibus overigens pas op 2 december 2027 in. Wat vandaag al geldt is de transparantiekant van de AI Act, en die raakt bijna elk bedrijf dat AI richting mensen inzet: [wat er per 2 augustus 2026 van het MKB wordt verwacht](/governance/ai-act).

Een compleet overzicht van de toepassingen staat op [vincentvandeth.nl/oncue](/oncue).

## Gratis of Pro

De complete copilot is gratis en open source. Live meeluisteren, spraak naar tekst, talk-time-coaching, pijnpunt- en bezwaardetectie, de samenvatting en het rapport na afloop: dat zit er allemaal in, zonder te betalen.

De betaalde Pro-laag voegt de extra's toe: de case-slides die automatisch in je presentatie schuiven, opname van telefoongesprekken, een centrale audit voor compliance, en automatisch starten bij een call. De kern-copilot heb je daarvoor niet nodig te kopen.

## Voor wie, en waar het nu staat

OnCue is voor MKB-salesteams, sales-trainers en coaches, en iedereen die veel gesprekken voert en beter wil worden terwijl het gesprek loopt. Het past in een bredere beweging: AI voor het MKB die echt iets oplevert, niet als speeltje.

Je hebt een Mac met Apple Silicon (M1 of nieuwer) en minimaal 16 GB geheugen nodig. Er is een experimentele Windows-versie, maar Mac is de bewezen route. OnCue is nu in beta: de kern werkt op echte gesprekken, en ik zoek een paar mensen die 'm in hun eigen calls willen uitproberen.

## Probeer het

Wil je OnCue in je eigen gesprekken uitproberen? De beta staat open, en de code staat op [github.com/Vinix24/OnCue](https://github.com/Vinix24/OnCue). Stuur me een bericht via <vincent@vnx.digital> als je mee wil doen.

Wil je eerst sparren over AI in je salesproces? [Plan een vrijblijvend kennismakingsgesprek](/ai-consultancy), dan kijk ik met je mee.

> **Lees ook:** **[Lokale LLM's voor het MKB: de benchmark](/blog/lokale-llm-benchmark-mkb)**: welke AI-modellen goed genoeg zijn om lokaal op je eigen machine te draaien.

AI Architect voor het MKB

Werkende systemen. Meetbare resultaten.

AI Architect voor het MKB

Werkende systemen. Meetbare resultaten.

Zo help ik jouw bedrijf groeien

AI Kansen Scan

AI Architectuur & Agents

Governance & Compliance

Van 3.000+ uur ontwerpen en bouwen naar architectuur voor jouw bedrijf

Waarom AI-trajecten mislukken

Van 3.000+ uur ontwerpen en bouwen naar architectuur voor jouw bedrijf

Waarom AI-trajecten mislukken