In deel 1 legde ik uit wat OpenClaw is en waarom het niet geschikt is voor bedrijven. In deel 2 vergeleek ik je opties: kopen, laten bouwen, of zelf doen.
Nuttige achtergrond. Maar de meeste ondernemers die ik spreek stellen een andere vraag:
"Al die AI-agents: moet ik daar iets mee? En zo ja, wát?"
Die vraag verdient een eerlijk antwoord. Geen hype, geen verkooppraatje. Gewoon: dit werkt, dit niet, en dit is hoe je het aanpakt.
De cijfers die niemand je vertelt
88% van bedrijven zegt AI te gebruiken. Slechts 6% haalt er een wezenlijk deel van zijn winst uit (McKinsey, 2025).
Dat gat, tussen "we doen iets met AI" en "het levert ons echt iets op", is het grootste probleem in de AI-wereld van 2026. En het MKB voelt het het hardst.
In de VS daalde AI-gebruik bij kleine bedrijven van 42% naar 28% (NEXT Insurance, 2025). In Nederland groeit het wel: 29,8% van het mkb gebruikt AI (CBS, 2025). Niet omdat de technologie slechter werd, maar omdat de beloftes niet waargemaakt werden.
Onderzoeksbureau Gartner voorspelt dat meer dan 40% van de AI-agent-projecten vóór eind 2027 wordt stopgezet.
Ik zie dat in mijn eigen praktijk. De ondernemers die naar me toekomen hebben twee dingen gemeen:
- Ze hebben AI geprobeerd en het leverde niets concreets op
- Ze weten dat er potentieel is, maar niet waar ze moeten beginnen
De oplossing is niet méér AI. Het is de juisteAI, op dejuiste plek. Wil je weten waar die juiste plek voor jouw bedrijf zit? Doe de gratis AI Kansen Scan en je hebt een eerste beeld.
De vier fouten die ik steeds weer zie
Ik heb tientallen MKB-bedrijven gesproken over hun AI-pogingen. De patronen zijn pijnlijk herkenbaar.
Fout 1: beginnen bij de tool in plaats van het probleem. "We moeten iets met AI" is geen strategie. Als je niet kunt benoemen welk bedrijfsproces je wilt verbeteren en hoeveel uur dat per week kost, ga je geld verspillen.
Fout 2: een vliegtuig kopen om boodschappen te doen. Een bedrijf met 8 medewerkers dat een complex AI-systeem opzet voor het beantwoorden van klantenservice-emails: dat is een kanon op een mug. Soms is een simpele automatisering genoeg.
Fout 3: de lopende kosten onderschatten. AI is geen eenmalige investering. In mijn projecten is het bouwen meestal het kleinste deel van wat je uitgeeft. Het grootste deel is onderhoud: aanpassingen, updates, fouten oplossen. Dat vergeten de meeste bedrijven.
Fout 4: geen meetbare doelen stellen. "We willen AI inzetten" is geen doel. "We willen de verwerkingstijd van offertes halveren van 4 uur naar 2 uur": dát is een doel. Zonder meetlat weet je nooit of het werkt.
Lees ook: Waarom de Helft van het MKB Worstelt met AI: de vijf stappen om het wél werkend te krijgen
Vier AI-toepassingen die wél werken voor het MKB
Na ruim een jaar AI-systemen in productie en gesprekken met tientallen ondernemers, zie ik vier categorieën waar AI meetbare waarde levert.
1. Documenten sneller maken
Het probleem: je team besteedt uren per week aan offertes, contracten, rapportages en e-mails die grotendeels op elkaar lijken.
De oplossing: AI die je standaarddocumenten vult op basis van klantgegevens en eerdere documenten. Jij controleert en verstuurt.
Rekenvoorbeeld: stel dat een installatiebedrijf met 15 man 3,5 uur per offerte kwijt is. Met AI die projectgegevens leest en teksten personaliseert, kan dat terug naar ongeveer drie kwartier. De AI maakt het concept, een medewerker controleert en verstuurt.
Wat het oplevert: 10-20 uur per week besparing als je meer dan 10 documenten per week maakt. Bij een uurtarief van €50 is dat €500-1.000 per week.
2. Bedrijfskennis doorzoekbaar maken
Het probleem: kennis zit in hoofden, in e-mailthreads, in mappen die niemand begrijpt. Nieuwe medewerkers hebben weken nodig om op snelheid te komen.
De oplossing: een interne AI-assistent die je bedrijfsdocumenten kent en vragen beantwoordt. "Wat is ons retourbeleid?" of "Hoe werkt de factureringsprocedure?" De AI zoekt het antwoord in je eigen documenten.
Voorbeeld: stel dat een accountantskantoor met 20 man een intern vraag-en-antwoord-systeem voedt met handleidingen, wetgeving en procedures. Een nieuwe medewerker vindt dan zelf zijn antwoorden, in plaats van steeds een collega te storen.
Wat het oplevert: 50% snellere onboarding. Minder afhankelijkheid van de collega die "alles weet".
3. Klantvragen sorteren en beantwoorden
Het probleem: inkomende vragen via e-mail en chat worden handmatig gesorteerd, doorgestuurd en beantwoord. Veel vragen zijn herhaling.
De oplossing: AI die binnenkomende berichten leest, de veelgestelde vragen automatisch beantwoordt, en de complexe vragen doorstuurt naar de juiste medewerker.
Belangrijk: ik zeg niet dat je klantenservice volledig moet automatiseren. De AI doet het sorteerwerk. De mens doet de afhandeling. Dat onderscheid is cruciaal: je klanten willen een mens spreken bij een echt probleem.
Wat het oplevert: 30-50% minder tijd kwijt aan eerstelijns support. Snellere reactietijd voor klanten.
4. Wekelijkse rapportages automatiseren
Het probleem: je hebt data in spreadsheets, je CRM, je boekhouding. Maar niemand heeft tijd om er regelmatig inzichten uit te halen.
De oplossing: AI die wekelijks je data analyseert en een samenvatting stuurt. Niet een dashboard dat niemand opent, maar een helder rapport in je inbox.
Concreet voorbeeld: een webshop-eigenaar krijgt elke maandag een AI-analyse van de vorige week. Omzet per categorie, opvallende trends, vergelijking met vorige maand. Geen inloggen, geen klikken, een duidelijk verhaal in de mail.
Wat het oplevert: beslissingen op basis van data in plaats van gevoel. De ondernemers die dit doen willen niet meer terug.
Lees ook: AI-agent maken of laten maken: begin met wat hij zelf mag: vijf stappen, met kosten en waar een mens het laatste woord houdt
Je hebt waarschijnlijk geen duur platform nodig
Alle vier de toepassingen hierboven zijn te realiseren met:
- Een AI-dienst (ChatGPT, Claude, of een lokaal model)
- Een koppelplatform als n8n of Make (gratis of goedkoop)
- Een developer voor een dag (of zelf met een no-code tool)
Complexe AI-platforms als OpenClaw, CrewAI of LangGraph zijn gebouwd voor situaties met meerdere AI-agents die autonoom samenwerken. Dat is overkill voor de typische MKB-toepassing. Begin simpel.
Wat het kost: drie scenario's
| Zelf doen | Developer inhuren | Bureau | |
|---|---|---|---|
| Setup | Gratis - €100 | €2.000-5.000 | €5.000-25.000 |
| AI-kosten/maand | €20-100 | €50-200 | Vaak inbegrepen |
| Onderhoud/jaar | Eigen tijd | €500-1.000 | €3.000-15.000 |
| Totaal jaar 1 | €240-1.300 | €3.100-8.400 | €8.000-40.000 |
Mijn advies: begin met scenario 1 of 2. Een bureau inhuren heeft pas zin als je weet wat je nodig hebt. En dat weet je pas als je het hebt geprobeerd. Meer lezen over AI-toepassingen voor het MKB? Daar beschrijf ik de meest voorkomende kansen per branche.
Lees ook: Wat kost AI implementatie echt? Een eerlijk rekensommetje.: setupkosten, API-kosten en onderhoud transparant naast elkaar
Stappenplan: je eerste AI-toepassing in 30 dagen
Week 1: Zoek het juiste probleem
- Maak een lijst van taken die je team elke week herhaalt
- Schat per taak: hoeveel uur kost het? Wat is het waard om dat te halveren?
- Kies de taak met de beste verhouding: veel besparing, niet te complex
Week 2: Bouw een proefversie
- Kies een AI-model (Claude of ChatGPT zijn de veiligste keuzes voor beginners)
- Maak een simpele versie: input erin, AI verwerkt het, output eruit
- Test met echte data uit je bedrijf, niet met voorbeelddata
Week 3: Koppel het aan je werkproces
- Verbind de proefversie met je bestaande tools (e-mail, CRM, spreadsheet)
- Laat 2-3 medewerkers een week testen
- Meet: hoeveel tijd bespaart het? Hoe goed is het resultaat?
Week 4: Evalueer en besluit
- Is de tijdsbesparing meetbaar?
- Zijn de kosten acceptabel?
- Wil je team het blijven gebruiken?
Drie keer "ja"? Schaal op. Drie keer "nee"? Je hebt €50-100 aan kosten gemaakt en veel geleerd. Goedkope les.
De les van deze serie
De hype rond OpenClaw (bijna 400.000 GitHub-sterren, virale berichten, crypto-achtige groeicurves) vertelt je iets over de AI-markt van 2026.
Populariteit zegt niets over geschiktheid voor jouw bedrijf.
De ondernemers die succesvol AI inzetten doen drie dingen anders:
- Ze beginnen bij het probleem, niet bij de tool
- Ze houden het simpel: één toepassing, meetbaar resultaat, dan opschalen
- Ze investeren in begrip: ze snappen wat ze bouwen, zodat ze het kunnen onderhouden
De technologie is niet het probleem. De aanpak is het probleem. Begin klein. Meet alles. Schaal alleen op wat werkt.
Wil je weten welke AI-toepassing het meeste oplevert voor jouw bedrijf? Doe de AI Kansen Scan en ontdek waar de grootste winst zit. Of lees meer over mijn aanpak als AI architect, van analyse tot werkend systeem in productie.
Dit is deel 3 van de serie "OpenClaw Ontleed". Deel 1: Wat is OpenClaw? | Deel 2: AI voor je bedrijf, kopen, bouwen of zelf doen