AI-geletterdheid voor het MKB

Van het adviesbureau tot de webshop, van de administratie tot de werkvloer: AI verandert het werk sneller dan de meeste ondernemers kunnen bijhouden. De AI Geletterdheid Toolkit helpt jou en je mensen de kansen te zien en de risico's te herkennen.

Wat de AI Act betekent voor het MKB

Misschien denk je: die Europese regels, dat is iets voor de grote jongens. Maar de AI Act geldt net zo goed voor een adviesbureau van acht man als voor een multinational. De EU AI Act stelt dat medewerkers die met AI werken voldoende AI-geletterd moeten zijn (artikel 4), en dat geldt ook als je mensen gewoon ChatGPT gebruiken om een offerte op te stellen, een contract te checken of een mailtje te beantwoorden. Het verschil met grote bedrijven is dat jij geen juridische afdeling hebt die dit voor je uitzoekt. AI sijpelt bij jou net zo hard binnen, vaak via de mensen op de werkvloer die een handige tool ontdekken, alleen merkt niemand het op tot er iets misgaat. AI-geletterdheid begint daarom niet bij een dik beleidsstuk, maar bij het gesprek met je team over wat jullie eigenlijk al gebruiken en wat dat betekent.

Praktijksituaties

Bekijk deze voorbeelden eens

Natuurlijk zijn er grote AI-trajecten die een hele organisatie kunnen transformeren. Maar voor het MKB schuilen de echte kansen en risico's juist in het dagelijkse werk. Het mooie: dat is vaak laaghangend fruit. De tools liggen al klaar, je hoeft niets te bouwen of te implementeren. Je moet alleen leren hoe je ze inzet, en waar je moet oppassen.

1. Offertes maken op basis van foto’s, spraaknotities en oude voorbeelden

Een aannemer, hovenier of keukenbouwer komt bij een klant thuis, maakt foto’s, spreekt onderweg een paar opmerkingen in en heeft later nog drie vergelijkbare offertes uit eerdere projecten. Normaal moet hij ’s avonds achter de laptop alles uitwerken: werkzaamheden omschrijven, materialen inschatten, opties formuleren, voorwaarden toevoegen en zorgen dat het geheel professioneel klinkt.

Met ChatGPT, Claude of Copilot kan hij van die foto’s, notities en oude offertes een eerste concept laten maken. De grote winst zit niet alleen in snelheid. Als het bedrijf eerst een paar ijkvoorbeelden maakt, offertes waarvan de eigenaar zegt: “dit is precies onze toon, onze opbouw, onze manier van adviseren”, dan kan AI nieuwe varianten maken die veel beter passen bij de kwaliteitsnorm van het bedrijf. Niet als star sjabloon, maar als flexibele standaard.

Maar wat als AI een werkzaamheid noemt die niet is afgesproken, een garantie suggereert die het bedrijf normaal niet geeft of een prijsopbouw maakt die juridisch onhandig is? En als de klant later zegt: “Maar dit stond in uw offerte”, kun je dan nog uitleggen dat AI alleen maar een hulpmiddel was?

Een kleine webshop, garage, opleider of installateur krijgt iedere dag dezelfde soort vragen: waar blijft mijn bestelling, past dit onderdeel op mijn model, kan ik de afspraak verzetten, wat moet ik meenemen, hoe werkt retour sturen? Voor een groot bedrijf is klantenservice een afdeling. Voor een MKB’er is het vaak de eigenaar, partner of administratief medewerker die tussendoor mailtjes beantwoordt.

Met tools als ChatGPT, Intercom Fin, Zendesk AI of een eigen GPT op basis van handleidingen, voorwaarden en productinformatie kan een klein bedrijf reageren alsof er een veel groter supportteam achter zit. Zeker als het bedrijf vooraf goede ijkvoorbeelden maakt: drie perfecte antwoorden op boze klanten, drie perfecte antwoorden op technische vragen en drie perfecte antwoorden waarin je vriendelijk maar duidelijk “nee” zegt. Daarmee leert het model niet alleen de feiten, maar ook de manier waarop het bedrijf met mensen wil omgaan.

Maar hoe ver mag zo’n bot gaan? Mag hij alleen informatie opzoeken, of ook toezeggingen doen over garantie, korting of levering? En wat als de klant niet doorheeft dat hij met AI praat, terwijl de toon heel menselijk is? Wordt dat slimme service, of ontstaat er ongemerkt een situatie waarin klanten vertrouwen op antwoorden die niemand meer controleert?

Een kleine meubelmaker, kapper, restaurant of B&B heeft vaak geen budget voor elke maand nieuwe fotografie, advertenties en social content. Er zijn wel productfoto’s, oude sfeerbeelden en losse ideeën, maar het blijft veel werk om daar campagnes van te maken.

Met Canva AI, Midjourney, Adobe Firefly, Runway of Nano Banana kan een ondernemer ineens professionele beelden, advertentieteksten, varianten voor Instagram en productvisualisaties maken. Een lege hotelkamer kan in verschillende sferen worden getoond. Een nieuw meubel kan in meerdere interieurs verschijnen. Een restaurant kan snel een campagnebeeld maken voor een seizoensmenu zonder complete fotoshoot.

Maar de publieke perceptie wordt hier steeds belangrijker. Mensen ontwikkelen een neus voor AI-beelden. Als een foto nét te glad is, handen vreemd ogen, materialen onnatuurlijk glanzen of interieurs te perfect aanvoelen, kan het juist averechts werken. Dan denkt de klant niet: “wat professioneel”, maar: “dit is nep”. En wanneer wordt visualiseren misleiden? Mag je een AI-beeld gebruiken van een hotelkamer die mooier oogt dan de werkelijkheid? Is een duidelijke impressiestijl soms verstandiger dan fotorealisme, juist omdat vertrouwen belangrijker is dan spektakel?

Een kleine webshop verkoopt honderden producten via Shopify, WooCommerce, Bol.com of Amazon. De leverancier stuurt rommelige productfoto’s, half vertaalde handleidingen en specificaties in losse pdf’s. De ondernemer wil goede productpagina’s, duidelijke instructies en minder retouren, maar heeft geen contentteam.

Met ChatGPT, Gemini, Claude en Nano Banana kan hij productteksten herschrijven, foto’s opschonen, iconen maken, maattabellen structureren en handleidingen vertalen naar begrijpelijke stappen. Dat kan direct omzet verhogen én klanten beter informeren. Zeker bij technische producten kan een duidelijke AI-gegenereerde uitleg voorkomen dat mensen verkeerd bestellen of iets verkeerd gebruiken.

Maar wat als AI een specificatie mooier maakt dan die is? Wat als een veiligheidswaarschuwing uit een handleiding verdwijnt omdat de tekst dan prettiger leest? En als je producten importeert of onder eigen merk verkoopt, kun je dan vertrouwen op AI bij CE-markering, productveiligheid en verplichte informatie, of moet daar altijd iemand met echte kennis naast zitten?

Een restaurant, winkelketen of schoonmaakbedrijf puzzelt iedere week met roosters. Wie kan wanneer werken, waar wordt het druk, wie heeft al veel overuren, wie valt vaak uit, welke locatie heeft extra mensen nodig? Normaal zit dit in het hoofd van één planner.

Met AI kun je historische omzet, weersverwachting, reserveringen, vakanties en beschikbaarheid combineren. Het kan voorstellen doen: op vrijdagavond één extra medewerker, op regenachtige dinsdagen minder bezetting, bij bepaalde klanten altijd iemand met ervaring. Dat kan rust geven, kosten drukken en medewerkers eerlijker verdelen.

Maar wat als AI ook gaat voorspellen welke medewerker “risico op uitval” heeft? Mag je ziektepatronen, privéomstandigheden of prestaties meenemen in planning? En wanneer verandert slim plannen in digitale controle, waarbij medewerkers het gevoel krijgen dat een model hun betrouwbaarheid beoordeelt?

Een MKB’er tekent huurcontracten, leveranciersvoorwaarden, franchiseafspraken, onderhoudscontracten en algemene voorwaarden. Vaak leest niemand alles echt goed. Niet omdat het niet belangrijk is, maar omdat de documenten lang zijn, vol vaktaal staan en overweldigend voelen. In de praktijk klikt iemand op “accepteren” of zet een handtekening, terwijl je eigenlijk niet precies weet waarvoor.

Met ChatGPT, Claude of juridische AI-tools kun je zo’n document laten uitleggen in eenvoudige taal: wat zijn mijn verplichtingen, waar zitten de boetes, hoe kom ik hiervan af, welke bepalingen zijn ongebruikelijk, wat moet ik aan een jurist vragen? Dat kan enorm waardevol zijn. Je hoeft niet meer machteloos te zijn tegenover een document dat te ingewikkeld is om snel te begrijpen.

Maar precies daar zit ook de spanning. Is iedere extra uitleg winst, omdat je het document anders waarschijnlijk helemaal niet had gelezen? Of laat je AI nu oordelen maken die je vroeger zelf maakte, alleen verpakt in taal die heel overtuigend klinkt? Als AI zegt dat een clausule “niet spannend” is, durf je dan nog kritisch te blijven? En wanneer is dit een voorbereiding op juridisch advies, en wanneer wordt het een goedkoop maar riskant alternatief daarvoor?

Een MKB-leverancier krijgt van een grote klant ineens een vragenlijst over informatiebeveiliging, NIS2, datalekken, back-ups, MFA, leveranciersbeheer en incidentrespons. De ondernemer denkt: wij zijn geen bank of ziekenhuis, wij leveren gewoon onderdelen, onderhoud of diensten. Toch wordt hij onderdeel van de keten en moet hij aantonen dat de basis op orde is.

Met ChatGPT, Microsoft Security Copilot of een AI-assistent binnen een managed service provider kan het bedrijf policies opstellen, risico’s inventariseren, phishingtraining maken en incidentprocedures uitschrijven. Niet als papieren exercitie, maar als manier om eindelijk zichtbaar te maken wat er wel en niet geregeld is. De eigenaar kan bijvoorbeeld vragen: “Leg mij uit wat wij maandag concreet moeten regelen om niet compleet kwetsbaar te zijn.”

Maar ligt hier niet ook een groot risico op schijnveiligheid? Een AI-tool kan in een middag een prachtig informatiebeveiligingsbeleid schrijven, maar staan back-ups dan echt los van het netwerk? Is MFA echt overal ingeschakeld? Weet iemand wat er maandagochtend moet gebeuren bij ransomware? En wordt compliance dan een map vol nette teksten, of een echte verandering in gedrag?

Een klein maakbedrijf, modeontwerper, 3D-printstudio of interieurbouwer heeft ideeën genoeg, maar weinig tijd om ze uit te werken. Een schets wordt normaal pas echt zichtbaar als iemand uren maakt in CAD, Photoshop, Illustrator of een prototypewerkplaats.

Met ChatGPT, Fusion 360-assistenten, Midjourney, Adobe Firefly, Nano Banana of generatieve CAD-tools kan een idee veel sneller tastbaar worden. Een klant beschrijft een maatwerkmeubel en ziet binnen minuten drie stijlen. Een technisch bedrijf laat AI varianten maken van een behuizing. Een kledingmerk test kleuren, prints en campagnebeelden voordat er één sample is gemaakt.

Maar waar eindigt inspiratie en waar begint verantwoordelijkheid? Als AI een constructie voorstelt die er sterk uitziet, maar technisch zwak is, wie merkt dat op? Als een beeldmodel een ontwerp maakt dat lijkt op het werk van een bestaande ontwerper, wie draagt dat risico? En als een klant akkoord geeft op een AI-render, verwacht hij dan niet dat het eindproduct exact zo wordt?

Waarom jouw MKB-bedrijf
de AI Geletterdheid Toolkit gebruikt

Kansen grijpen

Medewerkers die AI begrijpen, zien waar het werk slimmer kan. Dat is net die voorsprong waar je als ondernemer het verschil mee maakt.

Risico's beheersen

Privacy, hallucinaties, schijnobjectiviteit. Je team leert waar de valkuilen zitten, voordat ze erin trappen.

Compliance op orde

Aantoonbaar voldoen aan de Europese AI Act artikel 4, met jaarrapport en certificaat als bewijsstuk.

Vraag gelijk een
vrijblijvende offerte aan

Vertel ons kort over jullie bedrijf, dan komen we met een passend voorstel. Vrijblijvend, en met ruimte voor al jullie vragen.