AI voor het MKB: de complete gids voor Nederlandse ondernemers (2026)

AI is voor het Nederlandse MKB in 2026 geen technologievraagstuk meer, maar een keuzevraagstuk: welk proces pak je aan, hoe meet je of het werkt, en wat regel je aan spelregels eromheen. De tools zijn beschikbaar en betaalbaar, de koppelingen met gangbare software zijn werkbaar, en de wetgeving is voor de meeste MKB-bedrijven een stuk lichter dan de berichtgeving suggereert. Wat bedrijven tegenhoudt is zelden de techniek — het CBS registreerde dat 71,6% van de bedrijven die AI overwogen maar ervan afzagen "gebrek aan ervaring" als hoofdreden gaf. Deze gids is bedoeld om dat gat te dichten.

In het kort

• In 2025 gebruikte 29,8% van de Nederlandse mkb-bedrijven (10-250 medewerkers) AI; bij grote bedrijven was dat 66,2% (CBS).
• Begin bij één proces met volume, herhaling en controleerbare output — niet bij een tool.
• Licenties kosten €15-€25 per gebruiker per maand; de invoering kost meer dan de licentie.
• Reken op vier tot acht weken tot een werkende pilot, drie tot zes maanden tot meetbaar rendement.
• De AI Act vraagt van gebruikers vooral drie dingen: geen verboden toepassingen, AI-geletterdheid, transparantie.
• De grootste faalfactor is niet techniek maar eigenaarschap: zonder iemand die er wekelijks op stuurt, verzandt het.

Waar staat het Nederlandse MKB met AI?

De cijfers van het CBS over 2025 geven een helder beeld van de kloof:

Bedrijfsgrootte	Gebruikt AI-technologie (2025)
Microbedrijven (< 10 medewerkers)	13,8%
Klein- en middenbedrijf (10-250 medewerkers)	29,8%
Grote bedrijven (250+ medewerkers)	66,2%

Twee dingen vallen op. Ten eerste: het MKB loopt achter op grote bedrijven, maar niet omdat de technologie duurder of moeilijker is — voor de meeste toepassingen geldt eerder het omgekeerde. Ten tweede: de belangrijkste barrière die bedrijven zelf noemen is ervaring, niet geld of techniek. Dat is een oplosbaar probleem, en het verklaart waarom de eerste toepassing zoveel belangrijker is dan de tiende: die eerste bepaalt of er intern vertrouwen ontstaat.

Bij microbedrijven die wel AI gebruiken, zit het gebruik vooral in marketing en verkoop (32,7%) en in administratieve processen (25,9%). Bijna de helft (48,2%) gebruikt daarvoor kant-en-klare commerciële software zoals ChatGPT — geen maatwerk dus.

Wat kun je met AI in een MKB-bedrijf?

Het helpt om onderscheid te maken tussen drie niveaus. Ze verschillen sterk in kosten, doorlooptijd en risico.

Niveau 1: Assistentie (dagen tot weken)

Een medewerker gebruikt een AI-tool naast zijn werk: concepten schrijven, samenvatten, herschrijven, vertalen, brainstormen, een export analyseren. Geen koppelingen, geen IT-project.

• Kosten: €15-€25 per gebruiker per maand.
• Doorlooptijd: direct, mits mensen weten hoe ze het moeten gebruiken.
• Waar het misgaat: zonder training en huisregels gebruikt de helft het na een maand niet meer, en de andere helft plakt er data in die er niet in hoort.

Niveau 2: Ingerichte toepassingen (weken)

Een specifieke, terugkerende taak wordt vastgelegd in een herbruikbare vorm: een gedeelde GPT die offerteteksten in jullie huisstijl schrijft, een assistent die klantvragen categoriseert, een workflow die documenten samenvat en in de juiste map zet.

• Kosten: licenties plus enkele duizenden euro's inrichting.
• Doorlooptijd: één tot vier weken.
• Waar het misgaat: te breed opgezet. Eén taak goed werkt; "alles rond klantcontact" werkt niet.

Niveau 3: Procesautomatisering met koppelingen (weken tot maanden)

AI wordt onderdeel van een keten waarin systemen elkaar aansturen: binnenkomende facturen worden gelezen, gecontroleerd en klaargezet in het boekhoudpakket; e-mails worden geclassificeerd en gerouteerd; leads worden verrijkt en gescoord in het CRM.

• Kosten: doorgaans €5.000-€25.000 voor een eerste implementatie, afhankelijk van de koppelingen.
• Doorlooptijd: vier tot acht weken tot een werkende pilot.
• Waar het misgaat: datakwaliteit en uitzonderingen. De 80% standaardgevallen zijn zo geregeld; de laatste 20% bepaalt of het echt tijd bespaart.

De meeste bedrijven doen er goed aan alle drie te doen, maar in deze volgorde. Niveau 1 bouwt vertrouwen en levert de voorbeelden op waarmee je niveau 2 en 3 kunt kiezen.

Welke toepassingen werken per type bedrijf?

Type bedrijf	Toepassingen die zich meestal het eerst terugverdienen
Zakelijke dienstverlening	Concept-offertes en voorstellen, gespreksverslagen, rapportages samenvatten, kennisbank doorzoekbaar maken
Groothandel en retail	Productdata verrijken en vertalen, klantvragen categoriseren, voorraad- en vraagprognoses ondersteunen
Logistiek en transport	Orderverwerking uit mail en pdf, documentcontrole, planningsvoorbereiding, statusvragen van klanten
Productie en techniek	Werkbonnen en rapportages structureren, onderhoudshistorie doorzoekbaar maken, offertecalculatie ondersteunen
Bouw en installatie	Bestekken en tekeningen doorzoeken, calculatievoorbereiding, werkbonverwerking
Financiële en administratieve dienstverlening	Factuur- en bonverwerking, controlewerk voorbereiden, klantcorrespondentie, dossiervoorbereiding
Zorg en welzijn	Verslaglegging ondersteunen, administratieve lastenverlichting — met extra zorgvuldigheid, want hier spelen bijzondere persoonsgegevens

Voor een uitgebreidere beoordeling per proces: welke bedrijfsprocessen zijn geschikt voor AI.

Hoe kies je de eerste toepassing?

Vier criteria. Als een proces op alle vier scoort, is het een goede eerste kandidaat; scoort het op twee of minder, kies dan iets anders.

1. Volume. Minimaal een paar dozijn keer per maand. Onder dat volume is de tijdwinst te klein om de inrichting terug te verdienen, hoe elegant de oplossing ook is.
2. Herhaling. Het proces verloopt grotendeels hetzelfde. Processen die per geval anders zijn, kosten meer tijd om te automatiseren dan ze opleveren.
3. Beschikbare data. De input zit al in een systeem — mailbox, CRM, ERP, mappenstructuur — en niet uitsluitend in iemands hoofd.
4. Controleerbare output. Een mens kan binnen seconden zien of het resultaat klopt. Dit criterium wordt het vaakst overgeslagen en veroorzaakt de meeste teleurstelling.

Een vijfde, informele toets: kun je de huidige situatie in een getal uitdrukken? "Dit kost ons ongeveer twaalf uur per week" is een startpunt waar je later tegen kunt meten. "Dit kost ons veel tijd" niet.

Wat kost het echt?

Realistische bandbreedtes voor een eerste serieus AI-traject in een MKB-bedrijf:

Post	Bandbreedte	Toelichting
Licenties	€15-€25 per gebruiker/maand	ChatGPT Business, Microsoft 365 Copilot of vergelijkbaar
Automatiseringsplatform	€20-€200 per maand	Alleen bij niveau 3, voor koppelingen tussen systemen
Eigen tijd	40-120 uur	Projecteigenaar, procesexpert, IT; onderschat deze post niet
Externe inrichting (optioneel)	€5.000-€25.000	Afhankelijk van het aantal koppelingen en de complexiteit
Vooronderzoek / audit (optioneel)	Vanaf enkele duizenden euro's	Zinvol als je meerdere kandidaten hebt en wilt prioriteren

Voor een gedetailleerdere opbouw: kosten van AI-implementatie in het MKB en AI ROI berekenen.

De belangrijkste kostenles: de licentie is nooit de bottleneck. Bedrijven die te lang vergelijken op abonnementsprijs verliezen meer aan uitgestelde besluitvorming dan ze aan licenties kunnen besparen.

Welke regels gelden er?

Twee wetten, naast elkaar.

De EU AI Act geldt sinds 2024 en kent geen ondergrens voor bedrijfsgrootte. Voor bedrijven die AI gebruiken (gebruiksverantwoordelijke) in plaats van aanbieden, komt het neer op drie punten: geen verboden toepassingen inzetten, zorgen voor aantoonbare AI-geletterdheid bij wie met AI werkt (artikel 4), en transparant zijn richting mensen die met je AI te maken krijgen (artikel 50, vanaf 2 augustus 2026). De zware hoog-risico-verplichtingen zijn met Verordening (EU) 2026/1744 doorgeschoven naar december 2027. Zie EU AI Act voor het MKB en AI-geletterdheid verplicht.

De AVG blijft onverkort gelden zodra er persoonsgegevens in het spel zijn: verwerkersovereenkomst met de leverancier, grondslag, verwerkingsregister, en een DPIA bij hoog risico. Bedrijven met een werkend privacyproces kunnen hun AI-gebruik daar meestal op aanhaken.

De praktische vertaling van beide: één AI-beleid van twee tot vier pagina's waarin staat welke tools mogen, welke data erin mag en wie waarvoor verantwoordelijk is. Zie AI-beleid opstellen.

Subsidies en fiscale regelingen

Er zijn drie routes die voor MKB-bedrijven met AI-plannen relevant kunnen zijn:

• MIT-haalbaarheidsregeling — bedoeld voor haalbaarheidsonderzoek naar een innovatie, waaronder een gestructureerd vooronderzoek naar AI-toepassingen. Percentages en plafonds verschillen per jaar en per provincie.
• WBSO — verlaagt de loonkosten van eigen ontwikkelwerk. Relevant zodra je zelf bouwt (agents, integraties, modellen), niet bij het gebruiken van bestaande software.
• Innovatiekrediet (RVO) — voor grotere ontwikkeltrajecten, met een omvang die de meeste MKB-AI-projecten overstijgt.

Belangrijk: budgetten en voorwaarden wisselen per jaar, openstellingen zijn beperkt en sommige regelingen zijn snel uitgeput. Controleer altijd de actuele regeling bij RVO of je provincie voordat je een businesscase op subsidie baseert.

In 90 dagen van idee naar werkende toepassing

Een ritme dat in de praktijk werkt voor een eerste implementatie op niveau 2 of 3.

Dag 1-14 — Inventariseren en kiezen. Breng in kaart welke processen tijd kosten en waar mensen tegenaan lopen. Praat met de mensen die het werk doen, niet alleen met de directie. Kies één proces op basis van de vier criteria hierboven. Leg de nulmeting vast: hoeveel uur, hoeveel gevallen, hoeveel fouten.

Dag 15-21 — Data en randvoorwaarden checken. Waar staat de input, is er een koppeling mogelijk, mag deze data erin, wie controleert de output, waar landt het resultaat. Dit is ook het moment voor de AVG- en AI-Act-toets — voordat je bouwt, niet erna.

Dag 22-35 — Bouwen. Eerste werkende versie, bewust klein. Mens in de lus: AI stelt voor, mens keurt goed. Definieer vooraf drie succescriteria: één kwantitatief, één kwalitatief, één risicocriterium.

Dag 36-60 — Pilot draaien. Laat het draaien met dubbele controle. Verzamel de gevallen waarin het misgaat; dat zijn de uitzonderingen die je moet afvangen. Reken erop dat dit meer werk is dan de eerste versie bouwen.

Dag 61-90 — Meten en beslissen. Vergelijk met de nulmeting. Drie uitkomsten zijn mogelijk: opschalen, tunen, of stoppen. Alle drie zijn legitiem — stoppen na een eerlijk gemeten pilot is goedkoper dan doormodderen. Wat je in beide gevallen overhoudt, is een organisatie die weet hoe zoiets loopt.

Voor de uitgebreide versie van dit stappenplan: AI implementeren in een MKB-bedrijf.

De vijf valkuilen die het vaakst voorkomen

1. Beginnen bij de tool. "We gaan iets met AI doen" is geen project. Het leidt tot licenties die niemand gebruikt en een directie die na een half jaar concludeert dat AI niets oplevert.

2. Te groot beginnen. De ambitie om "de klantenservice te automatiseren" strandt vrijwel altijd. "Binnenkomende mails classificeren en routeren" niet.

3. Geen eigenaar. Dit is de belangrijkste. Een pilot zonder iemand die er wekelijks één à twee uur op stuurt, verdwijnt binnen drie maanden. Sponsorschap van de directie is niet hetzelfde als eigenaarschap.

4. Datakwaliteit onderschatten. Een flink deel van de implementatietijd gaat naar het opschonen en ontsluiten van data, niet naar AI. Wie dat vooraf weet, raakt halverwege niet ontmoedigd.

5. Niet meten. Zonder nulmeting is elke discussie over resultaat een meningenstrijd. Eén getal vooraf vastleggen kost een uur en voorkomt maanden onduidelijkheid.

Doe je het zelf of huur je hulp in?

Zelf doen ligt voor de hand als je iemand intern hebt met technische affiniteit, als de toepassing op niveau 1 of 2 zit, en als er geen harde deadline is. No-code automatiseringsplatformen zijn in één tot twee weken te leren, en de leercurve zelf is waardevol.

Hulp inhuren is verstandiger bij koppelingen met ERP of CRM, bij gevoelige data, bij tijdsdruk, of wanneer je meerdere kandidaat-processen hebt en niet weet welke je eerst moet doen. Zie een AI-implementatiepartner kiezen en, als je geen eigen IT-afdeling hebt, AI implementeren zonder IT-afdeling.

Wat in beide gevallen geldt: houd het eigenaarschap intern. Een externe partij kan bouwen, adviseren en versnellen, maar de vraag welk proces prioriteit heeft en of het resultaat goed genoeg is, kun je niet uitbesteden.

Verder lezen in de kennisbank

• AI implementeren in een MKB-bedrijf: stappenplan
• Welke bedrijfsprocessen zijn geschikt voor AI?
• Bedrijfsprocessen automatiseren met AI
• Kosten van AI-implementatie in het MKB
• AI ROI berekenen
• EU AI Act voor het MKB
• AI-geletterdheid verplicht
• AI-beleid opstellen
• ChatGPT voor bedrijven
• AI-agent use cases voor het MKB
• AI Opportunity Audit

Conclusie

Het verschil tussen MKB-bedrijven die iets aan AI hebben en bedrijven die er alleen over praten, zit niet in budget of technische kennis. Het zit in de keuze om één proces serieus aan te pakken, daar een eigenaar op te zetten, en na negentig dagen eerlijk te meten wat het heeft opgeleverd. De rest — tools, licenties, regelgeving — is vervolgens goed te overzien.

Weet je nog niet welk proces dat zou moeten zijn? Dan is dat de eerste vraag om te beantwoorden. Bekijk welke processen zich lenen voor AI of lees wat een AI Opportunity Audit daarin oplevert.

Bronnen

• CBS — Gebruik van AI-technologie door Nederlandse microbedrijven (2026)
• CBS — Gebruik kunstmatige intelligentie door bedrijven neemt toe
• Verordening (EU) 2024/1689 (AI Act)
• RVO — subsidies en financiering voor innovatie

Cijfers gecontroleerd op 27 juli 2026. Subsidievoorwaarden wijzigen per jaar; controleer altijd de actuele regeling.