AI consulting: eerlijk advies zonder dikke rapporten

AI consulting is een adviestraject dat een bedrijf helpt kiezen of, waar en hoe AI zinvol kan worden ingezet op zijn bedrijfsprocessen. Wij richten ons specifiek op het Nederlandse mkb. Geen handleiding over ChatGPT, en geen rapport van 60 pagina’s waarin drie keer het woord “transformatie” valt.

De AI-ruis is in 2026 harder dan ooit. Elke leverancier roept iets, elke concurrent “doet al iets met AI”, en een rapport van een consultancybureau kost al snel meer dan je complete bouwbudget. Wij helpen al 9 jaar mkb-bedrijven met maatwerksoftware, sinds 2025 ook met AI-implementatie bovenop bestaande systemen. In dit artikel leggen we uit hoe wij naar AI consulting voor een mkb-bedrijf kijken, wat een eerlijk advies er bij ons uitziet, en wanneer we AI juist afraden.

Wat AI consulting voor mkb eigenlijk inhoudt

AI consulting voor mkb valt uit elkaar in drie soorten advies. Ze lijken op elkaar, maar het doel verschilt.

1. Strategisch advies. Waar staat AI over twaalf maanden in ons bedrijf, hoe verhoudt het zich tot onze bestaande software, welke risico’s lopen we als we niets doen. Dit is het niveau waarop directie en MT besluiten nemen.

2. Kansen-assessment. Welke concrete processen in ons bedrijf komen nu in aanmerking voor AI. Gerangschikt op impact, haalbaarheid en kosten. Dit is het niveau waarop je de eerste POC-beslissing neemt.

3. Technisch advies. Welke stack past, welke modellen (OpenAI, Anthropic, open-source) zijn zinvol, waar zitten de compliance-valkuilen. Dit is het niveau waarop bouwkeuzes vallen.

De meeste mkb-bedrijven hebben vooral dat tweede soort nodig. De strategische laag mag in één gesprek. De technische laag kan wachten tot er een concrete feature gebouwd wordt. Begin bij de kansen.

Waarom een mkb ander AI-advies nodig heeft dan een enterprise

Een mkb-bedrijf heeft geen data-team, geen MLOps-pipeline en geen budget voor een adviestraject van een half jaar. Advies dat je bij een Deloitte of KPMG krijgt is inhoudelijk vaak prima, maar bouwt op aannames die voor jouw situatie niet kloppen.

Veelgestelde vragen Wat is het verschil tussen AI consulting en AI implementatie?

Wij zien dit patroon regelmatig. Een mkb-ondernemer belandt met een AI-analyse van een groter bureau op gesprek. Termen als “agentic transformation” en “digital roadmap” vliegen over tafel. Concreet bruikbare acties voor een bedrijf met 80 medewerkers en één ICT’er: bijna geen. Wij hebben zelf ooit zo’n rapport geschreven voor een grotere organisatie, dus we weten van binnenuit hoe die taal ontstaat. Voor grote organisaties met interne teams en een driejarig transformatieplan is het prima materiaal. Voor een mkb is het niet uitvoerbaar.

Cijfers van het CBS over AI-gebruik in het Nederlandse bedrijfsleven laten zien dat bijna een kwart van de Nederlandse bedrijven inmiddels AI inzet, maar dat grote bedrijven drie tot vier keer vaker actief zijn dan mkb-ers. Het gat zit niet in ambitie, het zit in uitvoerbaar advies op mkb-schaal.

Voor een mkb-bedrijf gelden andere randvoorwaarden:

• Advies moet onder de €10.000 blijven. Anders komt er geen budget meer vrij voor de bouwfase, en was het advies alsnog zinloos.
• Data is bijna altijd verspreid. Mails, een CRM, een boekhoudpakket, een Excel-export. Een advies dat begint met “eerst een datalake bouwen” is voor een mkb meestal te duur. Wij werken met de data die er is, niet met de data die er in theorie zou moeten zijn.
• Tempo is anders. Een mkb-beslisser wil binnen zes weken weten waar die aan toe is. Een rapport dat drie maanden op zich laat wachten is vaak al achterhaald zodra het op tafel komt.
• Eén gezicht. Geen accountmanagers, geen juniors die het afwerken. De mensen die het advies schrijven zijn dezelfde mensen die straks bouwen.

Hoe wij AI consulting aanpakken bij een mkb-bedrijf

Onze aanpak is pragmatisch en bestaat uit vier stappen. Geen zes-maanden-intake, geen workshop-in-workshop-in-workshop.

1. Intake (1 uur, gratis, geen rapport). We zitten op een gesprek met directie of productowner. Twee vragen staan centraal: wat wil je anders zien over een jaar, en waar denk je dat AI dat kan versnellen. Output is een notitie van één pagina en een go/no-go voor stap 2.
2. AI-scoping (1-2 weken, €1.500 tot €5.000). Wij kijken mee in je processen, data en bestaande software. Vaak met een dag op kantoor. Output is een gerangschikte lijst van 5-15 AI-kansen, met inschatting van kosten, doorlooptijd en risico.
3. Kansen-roadmap. Per kans: wat is de winst, wat is de moeilijkheid, wat is de volgende stap (POC, tool-keuze, of “nog even niet”). Geen dikke rapportage, wel een werkbaar document waarmee het MT een besluit neemt.
4. Keuze. Stoppen, wachten, of doorbouwen met een POC. De keuze ligt bij jou. Wij hebben geen incentive om door te bouwen als het nog niet zinvol is.

Een voorbeeld uit de praktijk: bij een van onze langstlopende klanten hebben we 59.000 orders, 57.000 conversatielogs en 29.000 prijslijstentries geanalyseerd. Daaruit kwamen 16 concrete AI-kansen. De top drie die als eerste naar productie gaan zijn een AI Chat Copilot over het hele platform, automatische order-intake uit mail en slimme churn-detectie. De rest staat op de roadmap, sommige zijn geparkeerd omdat de data er nog niet klaar voor is. Dat laatste is ook een uitkomst.

Bij een andere langlopende klant, een consumer-platform rond content en gamification, zat de AI-kans op een heel andere plek. Niet in order-data, maar in contentproductie. Zij maken grote hoeveelheden quizzes en interactieve content voor merkpartners. Het eerste voorstel uit onze assessment: een AI-pijplijn die uit een URL of een merktekst een kandidaat-quiz genereert, waarna iemand van de redactie in één klik goedkeurt of bijstuurt. Andere schaal, ander probleem, dezelfde aanpak: kansen rangschikken, klein beginnen, meten voordat je de vleugels uitslaat.

Het AI readiness assessment: de vier checks

Een AI readiness assessment kijkt of jouw mkb-bedrijf klaar is om AI zinvol in te zetten. Wij kijken daarbij op vier assen.

Data. Hoeveel relevante records heb je, verspreid over welke bronnen. Hoe schoon zijn ze. Is er historie. Een goede vuistregel: voor een AI-chat over je eigen bedrijfsdata heb je relatief weinig nodig, mits de kernentiteiten (klant, product, order) duidelijk herkenbaar zijn. Voor classificatie of predictie wil je meestal duizenden voorbeelden per klasse.

Proces. Is het proces dat je wilt automatiseren gedefinieerd. Heeft het een eigenaar. Hoe vaak gebeurt het, en hoeveel tijd kost het nu. Processen die niemand bezit kun je niet automatiseren, ook niet met AI.

Compliance. GDPR voor persoonsgegevens, sector-specifieke regels in zorg en finance, interne audit-eisen. Mag de AI de eindbeslissing nemen, of moet er altijd een mens tussen zitten. Hoe leg je die beslissing uit aan een auditor.

Team. Wie gaat de nieuwe feature gebruiken. Welke change-begeleiding is nodig. Is er draagvlak op de werkvloer. Dit punt wordt het vaakst onderschat, maar bepaalt of een AI-feature na drie maanden nog gebruikt wordt of weer verdwijnt.

De output van een assessment is geen rapport van 60 pagina’s. Het is een lijst met drie kolommen: nu haalbaar, met 3 maanden voorbereiding haalbaar, onzinnig voor jullie situatie.

Wanneer AI voor jouw mkb wel, en wanneer nog niet zinvol is

Niet elke situatie is geschikt voor AI. Wij hebben het afgelopen jaar vaker een adviesgesprek met “doe het nog niet” afgesloten dan ooit. Niet omdat we minder opdrachten willen, maar omdat een half-afgemaakte AI-feature bij een mkb duurder is dan geen AI-feature. Hieronder de patronen die we het vaakst tegenkomen.

Wel zinvol:

• Bestaande software draait stabiel en data staat gekoppeld in een systeem dat je zelf in handen hebt
• Er is een proces dat structureel tijd kost (mails beantwoorden, handmatige invoer, zoeken in oude verslagen, offertes maken)
• Het team staat open voor een nieuwe werkwijze en er is iemand die het adopteert
• Je ziet hetzelfde patroon in drie of meer processen (schaal-argument voor bouwinvestering)

Nog niet zinvol:

• Je kernproces draait nog op Excel of papier. Eerst een werkend platform laten ontwikkelen, dan AI eroverheen. Andersom wordt een peperdure teleurstelling.
• Te weinig data in de categorie die ertoe doet. Onder de 1.000 records geeft AI vaak overtuigende antwoorden die toevallig fout zijn. Dat is erger dan geen antwoord.
• De eigenaar van het proces is onduidelijk. Dan moet je eerst een procesinrichting afronden, pas daarna de AI-laag.
• Strenge compliance zonder mogelijkheid tot audit trail. In zorg, farma en finance moet elke AI-beslissing herleidbaar zijn. Kan dat niet, dan mag de AI niet de eindbeslissing nemen.

Een onvriendelijke waarheid: de meeste AI-hype rond mkb komt van mensen die het niet hoeven te bouwen. Wij wel, en dat zet remmen op onrealistische verwachtingen.

Wat kost AI consulting voor een mkb-bedrijf

Eerlijke ranges voor wat wij bij een mkb doen. Geen uurtarief-praatjes, wel concrete budgetten per traject.

• Intakegesprek: gratis. Eén uur, video of op kantoor. Geen verplichting om daarna iets te doen. Output is een notitie van één pagina.
• AI-scoping: €1.500 tot €5.000. Inclusief dag mee kijken op kantoor, data-analyse op steekproef, 5-15 gerangschikte kansen met onderbouwing.
• Uitgebreide kansen-roadmap: €5.000 tot €10.000. Voor bedrijven met meerdere afdelingen of meerdere systemen waar je één coherente roadmap uit wilt halen. Inclusief POC-scope-definitie voor de eerste kans.
• Begeleiding bij leverancier-selectie (optioneel): op offertebasis. Als je wil dat we meelopen bij het kiezen van een AI-tool die we zelf niet bouwen.

Ter vergelijking: adviestrajecten bij de grote consultancy-bureaus beginnen doorgaans vanaf €40.000 tot €60.000. Dat is niet per definitie slecht advies, maar het is advies dat bijna geen mkb-bedrijf goedkoop kan uitvoeren.

Van advies naar implementatie: de brug

Een eindrapport heeft geen waarde als er niemand is die het uitvoert. Adviseurs die niet bouwen hebben daar een structureel probleem, en dat merk je als ondernemer het snelst aan de overdracht. Wij adviseren en bouwen onder één dak. De mensen die je kansenlijst schrijven zijn dezelfde mensen die de POC opzetten en straks de productie-integratie doen.

Dat heeft praktische voordelen. Wij weten wat we adviseren, want we weten wat we kunnen bouwen. We beloven geen feature die technisch lastig of duur uitpakt. En als de bouwfase begint ken je het team al.

Na een positieve scoping volgt meestal een traject zoals beschreven op onze pagina over AI implementatie voor bedrijven. Eerst een POC in 2 tot 4 weken op echte data. Als die overtuigt: productie-integratie in 6 tot 12 weken, met rolbeheer, logging en monitoring. Voor klanten met een bestaande codebase koppelen we AI-features direct in die bestaande software.

Een eerlijke noot: soms bouwen we niet. Als we zien dat een standaardtool (Microsoft Copilot, Make, Zapier, een van de AI-gekoppelde CRM-extensies) voor 80% doet wat jij nodig hebt, adviseren we dat. Dan krijg je geen maatwerk-offerte maar een aanbeveling. Reputatie gaat voor omzet.

Veelgestelde vragen

Wat is het verschil tussen AI consulting en AI implementatie?

AI consulting is de adviesstap: wat kan AI voor ons betekenen, welke kansen zijn het waard, waar beginnen we. AI implementatie is de bouwstap: een werkende feature in productie. Wij doen beide, omdat je pas echt weet of AI werkt als je het gebouwd hebt. Adviesbureaus stoppen na de eerste stap, wij niet.

Hoe lang duurt een AI consulting traject voor een mkb-bedrijf?

Een gratis intake duurt 1 uur. Een AI-scoping 1 tot 2 weken. Een uitgebreide roadmap 2 tot 3 weken. Samen kun je binnen een maand van “we zijn aan het nadenken over AI” naar “we weten wat we wel, niet, en wanneer gaan doen”. Dat is aanzienlijk sneller dan de drie tot zes maanden die grote adviestrajecten meestal duren.

Moeten we eerst een AI strategie hebben voordat we iets bouwen?

Nee. Een concrete kansenlijst en één goede POC leveren meer inzicht op dan een strategisch document dat op een plank belandt. Wij adviseren mkb-klanten om pragmatisch te starten: scoping, POC, dan pas de bredere strategische vraag beantwoorden. Je leert vanzelf welke kant het op moet als je één keer echt iets in productie hebt.

Is mijn mkb-bedrijf klaar voor AI?

Het antwoord hangt af van vier dingen: data (hoeveel en hoe gekoppeld), proces (heeft het een eigenaar), compliance (wat mag wel en niet) en team (wie gaat het gebruiken). Een AI readiness assessment brengt dit in kaart. Vaak is het antwoord niet ja of nee maar “nu dit deel wel, dat andere over drie maanden”. Voor wie dieper de achtergrond wil lezen: onze pagina over bedrijfsprocessen automatiseren gaat op die afweging in.

Kunnen jullie ook adviseren als we uiteindelijk niet bij jullie bouwen?

Ja. Een scoping is een eigenstandig product. Je kunt de uitkomst meenemen naar een andere leverancier of intern laten uitvoeren. Dat gebeurt ook. Wij verdienen dan aan de scoping en zien klanten die met een eerlijk advies terugkwamen vaak later voor een ander traject. Dat werkt op termijn beter dan een afgedwongen bouwopdracht.

Klaar voor een eerlijk gesprek over AI in jouw mkb?

Heb je een proces waarvan je denkt “hier moet AI iets aan kunnen doen”? Of juist het tegenovergestelde, heb je het gevoel dat je de hype niet kunt plaatsen en wil je iemand die het pragmatisch doorspreekt? Plan een vrijblijvende intake. Eén uur, geen rapport, geen verplichting. We kijken naar je bedrijf, je bestaande software en of AI op dit moment iets voor jullie is.

De koffie is op ons.

SEO-metadata:

• FOCUS KEYPHRASE: ai consulting mkb
• SLUG: ai-consulting-mkb
• META DESCRIPTION: AI consulting voor mkb zonder dikke rapporten. Eerlijk advies over wat AI wel en niet doet voor jouw mkb-bedrijf, door developers die ook bouwen.