blog

Praktijkverhalen

Over Ai en automatisering in het MKB: wat werkt, wat faalt en wat het kost. Gebaseerd op eigen ervaring, niet op persberichten.

RSS-feed

uitgelicht automatisering 6 min leestijd

Waar automatisering hard stopt: outreach en het eerste klantgesprek

Je kunt bijna alles automatiseren, tot het moment dat je een echte relatie met een echt mens begint. Bij het benaderen van nieuwe klanten op LinkedIn liep ik hard tegen die grens aan: de spelregels staan maximaal tien verzoeken per dag toe, en het pad van een scraper wees ik af vanwege het risico op een verbanning. Ook mijn SEO-aanpak stopt precies daar: de site optimaliseren doet Ai zelf, maar de mail die om een samenwerking vraagt, verstuur ik met de hand. Automatiseer het voorwerk, nooit de relatie.

Lees het artikel

Eerst ontwerp-akkoord, dan pas code: waarom fase-discipline loont

De verleiding van Ai is om meteen te laten bouwen. Maar de duurste fouten ontstaan niet in de code, ze ontstaan daarvoor: in een verkeerd begrepen opdracht. Ik werk daarom in expliciete fasen met een akkoord tussen elke stap. De winst zit niet in de fasen zelf, maar in de verantwoording bij elke overgang. En in een paar harde regels: verzin geen integratie die alleen mondeling langskwam, lees je eigen eerdere lessen vóór je begint, en hergebruik wat er al staat.

Een interne chatbot op je eigen kennisbank: volledig lokaal en AVG-vriendelijk

Ik heb een chatbot in onze teamchat gezet die vragen beantwoordt op basis van onze eigen kennisbank, met bronvermelding erbij. Hij draait op gratis lokale modellen, dus er verlaat geen enkel bedrijfsgegeven het pand. Dat maakt hem niet alleen goedkoop maar ook AVG-vriendelijk. De valkuilen zaten niet in de techniek, maar in het afstellen en in het strak houden van wat hij wél en niet mag.

Ai-code-review in twee lagen: terwijl je bouwt, en als vangnet op elke wijziging

Ik laat Ai mijn code op twee momenten nakijken: één commando dat tijdens het bouwen zelf de juiste specialismen erbij haalt, en een agent die elke voorgestelde wijziging binnen een kwartier automatisch reviewt met commentaar en waarschuwingslabels. De grootste vondst was niet technisch maar organisatorisch: de belangrijkste fout die telkens terugkwam, was een lek in de scheiding tussen klanten. En hard tegenhouden bleek geld te kosten.

Hoe lang duurt dat met Ai? Schat op doorvoer, niet op onderbuik

Als iemand vraagt hoe lang een klus duurt, grijpen de meeste mensen terug op 'hoe lang zou een mens hier over doen'. Maar zodra Ai het uitvoerende werk doet, klopt dat referentiekader niet meer. Ik ben gaan meten wat taken écht kosten met Ai aan het roer, en de uitkomsten waren consequent kleiner dan mijn onderbuik. Zo bouw je een eerlijke schatting op gemeten doorvoer in plaats van op een verouderd gevoel.

Je monitoring kan zelf de grootste kostenpost worden

Ik ontdekte dat mijn gezondheidscontroles alleen al vier tot vijf processorkernen opslokten, dag en nacht. De bewaking die alles moest beschermen, was de grootste verbruiker geworden. Zo herken je monitoring die duurder is dan wat ze bewaakt, en zo temt je haar.

Een junior veilig laten deployen: zonder één wachtwoord, met een Ai-vangnet

Een collega zonder technische achtergrond en zonder ook maar één inloggegeven kan bij mij zijn werk live op een testomgeving zetten. Zijn identiteit komt uit een token, niet uit een wachtwoord, en toen ik probeerde die identiteit te vervalsen, lukte dat niet. Gaat een deploy onderuit, dan doet een Ai-agent de foutanalyse en legt in begrijpelijke taal uit wat er misging. Zo geef je iemand vrijheid zonder de sleutels van het koninkrijk weg te geven.

Correlatie is geen oorzaak: vijf dagen de verkeerde schuldige

Mijn bewakingsagent wees vijf dagen lang dezelfde oorzaak aan voor een vol geheugen. Toen die oorzaak verdween, bleef het probleem. Dat was het bewijs dat hij de verkeerde schuldige had. Zo leerde ik agents om correlatie niet te verwarren met oorzaak, en om herhaald genegeerd advies als signaal te lezen.

Zero-repeat: maak van elke fout een preventieregel

De meeste bedrijven maken dezelfde fout twee keer omdat de les van de eerste keer nergens is vastgelegd. Ik heb een gewoonte ingebouwd die dat doorbreekt: elke bug wordt omgezet in een korte, abstracte preventieregel die de volgende keer voorkomt dat het weer gebeurt. Automatisch, met de mens als eindredacteur. En met één belangrijke kanttekening: laat je een goedkope Ai dat volledig zelf doen, dan krijg je een berg ruis in plaats van scherpe regels.

Een Ai die je boekhouding controleert: read-only, maandelijks en meedogenloos

Ik heb een Ai-agent die elke maand mijn boekhouding nakijkt zoals een controleur dat zou doen: aansluitingen, ontbrekende koppelingen, rare afwijkingen. Met één harde regel die alles veilig maakt: hij mag voorstellen doen, maar nooit zelf iets boeken. En hij vervangt mijn accountant niet. Hij zorgt dat er minder rommel op het bureau van die accountant belandt.

Van chatbericht naar afgerond werk: de volledige feedback-loop

Een collega die geen regel code kan schrijven, typt een verbeterpunt in de chat. Binnen een minuut staat er een net geformuleerd werkitem op de lijst, en de collega krijgt een bevestiging. Het item verschijnt op een dashboard, wordt opgepakt, en zodra het klaar is volgt er automatisch een melding terug in diezelfde chat. Zo heb ik feedback en uitvoering aan elkaar geknoopt, inclusief de valkuil die ik onderweg weer moest uitzetten.

Mijn Ai-collega is bereikbaar via Telegram, en draait 100% lokaal

Ik heb een Ai-collega die ik overal kan bereiken via een simpel Telegram-berichtje. Hij kent mijn hele kennisbank, antwoordt met de bron erbij, en draait volledig op mijn eigen hardware: nul kosten per vraag, geen gegevens die het pand verlaten. De leukste les zat in een valkuil die niks met techniek te maken had: de bot erfde de gewoontes van het systeem waar ik hem bovenop had gebouwd, en gedroeg zich daardoor totaal verkeerd in een chatvenster.

Mail-triage met een lokale LLM: elke 15 minuten, 2 seconden per mail

Ik laat een gratis taalmodel op mijn eigen server elke kwartier mijn binnenkomende mail labelen, en elke ochtend krijg ik een korte briefing in de teamchat. De grootste les zat niet in de techniek maar in de modelkeuze: een 'slim' model deed er minuten over een antwoord van één woord, terwijl een klein lokaal model dezelfde klus in twee seconden klaart. Zo werkt die opzet, en waarom de mailbox alleen mag kijken en nooit iets veranderen.

'De server draait' is geen gezondheid

Een groen lampje bewijst dat je server aanstaat, niet dat je bedrijf nog werkt. Ik liet drie keer een controle 'gezond' melden terwijl de kernfunctie stiekem dood was. Dit is wat ik daaruit leerde over gezondheidscontroles die de echte functie testen.

Geef je Ai een wiki, geen zoekmachine

Waarom ik mijn Ai-kennisbank niet als doorzoekbare hoop documenten heb ingericht, maar als een wiki van kleine, atomaire notities. Dat scheelde me zo'n 900 tokens per sessie en, belangrijker, een hoop stille inconsistenties.

gratis werkdocument

Download het Ai-stoplicht: het groen/geel/rood-model, de drie anti-patronen en een invulmatrix voor zes bedrijfsprocessen. Geen e-mailadres nodig.