Welk werk laat je AI als eerste doen? Begin bij het werk dat niemand bezit

Je hoeft niet je kernproces te automatiseren

Als je aan AI in je bedrijf denkt, ga je waarschijnlijk meteen naar het grote werk. De offertemachine. De volledige klantenservice. Het proces waar je bedrijf op draait. En precies daar haak je af, want dat voelt groot, eng en risicovol. Terecht.

Het goede nieuws: dat hoeft helemaal niet je startpunt te zijn. Nieuw onderzoek van Anthropic naar hoe mensen hun AI-assistent echt gebruiken, laat zien dat de grootste winst ergens anders zit. Niet in je kernproces, maar in het rommelige randwerk eromheen. Het werk dat bij niemand echt op het bordje ligt, maar wel elke week uren opslokt.

Wat is "het werk rond het werk"?

Anthropic keek naar 1,2 miljoen werksessies met hun assistent en deelde die in twintig soorten werk in. De grootste categorie, met ruim 33 procent, was wat ze "business process en operations" noemen: losse updates samenvoegen tot een rapport, onboarding-checklists opstellen, spreadsheets kloppend maken. Daarna kwam het schrijfwerk: concepten, presentaties, voorstellen.

De belangrijkste conclusie zit in een zin: ongeveer de helft van al het gebruik is "het werk rond het werk". Taken die bij heel veel functies horen, maar bij niemand de kerntaak zijn. De verkoper die eigenlijk moet verkopen, maar eerst een overzicht in elkaar zet. De HR-medewerker die een onboarding-lijstje typt dat ze elke maand opnieuw typt. De ondernemer die op zondagavond cijfers uit vier bronnen bij elkaar sleept voor een maandrapport.

Dat is geen toeval. Dit soort werk is repetitief, volgt een vast patroon en heeft een duidelijk begin en eind. Precies de eigenschappen waar AI goed in is. En omdat het bij niemand de hoofdtaak is, mist niemand het als een machine het overneemt.

Zo herken je het in je eigen bedrijf

Je hoeft geen analist te zijn om dit werk op te sporen. Loop een gewone werkweek langs en let op taken die aan deze vier dingen voldoen:

1. Het gebeurt vaak. Wekelijks, dagelijks, of bij elke nieuwe klant of medewerker.
2. Het volgt een vast patroon. Je doet het elke keer ongeveer hetzelfde, alleen de gegevens verschillen.
3. Het is van niemand echt. Iedereen doet het er even bij, niemand is er verantwoordelijk voor.
4. De schade is klein als het een keer misgaat. Geen betalingen, geen contracten, geen dingen die naar buiten gaan zonder dat iemand kijkt.

Taken die aan alle vier voldoen zijn je ideale startpunt. Ze leveren snel tijd op, ze zijn laag risico, en je leert er de aanpak mee voordat je aan iets groters begint. In de complete gids over automatisering voor ondernemers gaan we dieper in op hoe je die eerste keuze maakt.

Drie voorbeelden uit een gemiddeld MKB-bedrijf

Om het concreet te maken, drie klussen die in bijna elk bedrijf terugkomen:

Het wekelijkse overzicht. Je trekt cijfers uit je boekhouding, een paar mailtjes en een spreadsheet, en giet dat in een kort rapport. Een AI-assistent kan de bronnen uitlezen en er een concept van maken. Jij leest het na en drukt op verzenden. Een voorbeeldopdracht: "Pak de omzetcijfers van deze week uit dit bestand, vergelijk met vorige week en schrijf een kort overzicht van drie alinea's voor het team."

De onboarding van een nieuwe medewerker of klant. Elke keer opnieuw hetzelfde lijstje accounts, mappen, introducties en documenten. Laat AI de standaard-checklist genereren op basis van de rol, zodat jij alleen de uitzonderingen nog aanpast.

Spreadsheets afstemmen. Twee lijsten die niet matchen, urenstaten die niet kloppen, een export die je met de hand naast een andere legt. Dit is exact het soort saaie vergelijkwerk waar een machine sneller en nauwkeuriger in is dan een mens op vrijdagmiddag.

Merk je het patroon? Geen van deze klussen is spannend. Dat is juist het punt. Dit is het werk dat je energie kost zonder dat het je bedrijf vooruit helpt.

"Klaargezet" is niet hetzelfde als "klaar"

Er zit een valkuil in. Als een AI-assistent een rapport of checklist oplevert, ziet dat er af uit. Netjes, compleet, klaar om te versturen. Maar "het staat klaar" is niet hetzelfde als "het is goedgekeurd".

Bouw daarom altijd een menselijke controlestap in, juist bij dit soort werk. Niet omdat de AI vaak grote fouten maakt, maar omdat de kleine fouten het lastigst te zien zijn: een verkeerd doorgetrokken aanname, een cijfer uit de verkeerde week, een naam die niet klopt. Eén iemand die het even naleest voordat het de deur uit gaat, houdt het systeem eerlijk.

Zorg ook dat de AI uit één betrouwbare bron werkt. Als je cijfers of tarieven op drie plekken staan die elkaar tegenspreken, automatiseer je vooral de verwarring. Eén bron van waarheid eerst, dan pas de automatisering eromheen.

Klein beginnen en meten

De verleiding is groot om, zodra de eerste klus werkt, meteen tien processen tegelijk aan te pakken. Doe dat niet. Kies één taak die aan die vier kenmerken voldoet, richt hem netjes in, en meet twee dingen: hoeveel tijd je ermee wint en hoe vaak er iets moet worden gecorrigeerd. Pas als dat stabiel loopt, pak je de volgende.

En houd er rekening mee dat een automatisering onderhoud nodig heeft. Modellen veranderen, bronnen verschuiven, een export krijgt ineens een kolom erbij. Een automatisering die je een keer bouwt en dan vergeet, valt vroeg of laat stil zonder dat je het merkt. We schreven eerder waarom je beter klein kunt beginnen bij één rommelig proces en dat als vast ritme moet behandelen, niet als eenmalig project.

De grote AI-verhalen gaan over modellen die code schrijven en bedrijven die hele afdelingen automatiseren. Maar voor de meeste ondernemers begint de winst veel dichterbij: bij het saaie klusje dat niemand bezit en dat elke week terugkomt. Dat is geen kleine ambitie, dat is de slimste eerste stap.

Benieuwd welk werk in jouw bedrijf zich hiervoor leent? We kijken het graag samen met je door.