Edgar van Lent ziet voor kleinere Europese bedrijven vooral ruimte voor AI in de overgang tussen binnenkomende informatie en een concrete werkactie. Niet het genereren van lange teksten, maar het herkennen, ordenen en doorspelen van e-mails, bijlagen, bonnen en verzoeken kan volgens hem tijd vrijmaken zonder dat een onderneming haar processen volledig hoeft te vervangen.
Daarmee verdiept dit artikel een ander punt dan de eerdere analyse over offertes en kenniswerk. Zoals Edgar van Lent eerder beschreef, kunnen medewerkers met AI voorbereidingstijd verkorten; de volgende stap is ervoor zorgen dat informatie niet blijft hangen in een persoonlijke inbox of los bestand, maar op de juiste plek in het werkproces terechtkomt. Juist daar lopen kleinere organisaties vaak tegen vertraging, dubbel werk en onduidelijk eigenaarschap aan.
Van inbox naar werkvoorraad
Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat de meest haalbare AI-projecten voor het mkb beginnen bij terugkerende informatie die al digitaal binnenkomt. Een serviceverzoek, leveranciersmail of declaratie bevat meestal voldoende structuur om een systeem een eerste voorstel te laten doen: om welk onderwerp gaat het, welke gegevens ontbreken, bij welk dossier hoort het en wie moet ermee verder?
Dat onderscheid is belangrijk. Een model dat een antwoord formuleert, levert nog geen afgerond bedrijfsproces op. Een kleine installateur, groothandel of zakelijke dienstverlener heeft er meer aan wanneer een binnenkomende aanvraag als concept-werkbon, taak of dossierupdate klaarstaat, met een medewerker die de uitkomst controleert. De besparing ontstaat dan niet door menselijke beoordeling weg te nemen, maar door zoeken, kopiëren en opnieuw invoeren te beperken.
Edgar van Lent maakt daarom onderscheid tussen generatieve AI als schrijfhulp en AI als routeringslaag. De eerste categorie is bruikbaar voor samenvattingen en eerste concepten. De tweede grijpt in op de dagelijkse werkvoorraad: welke e-mail vereist actie, welke bijlage hoort bij een bestelling en welke uitzondering moet meteen naar een medewerker? Voor veel kleinere bedrijven is die tweede toepassing zakelijk relevanter, omdat zij rechtstreeks aansluit op bestaande software en vaste rollen.
Europese software laat de praktische richting zien
In Europese bedrijfssoftware is die route al zichtbaar. Het Belgische Odoo biedt functionaliteit voor het digitaliseren van leveranciersfacturen en bonnetjes, waarbij documenten worden uitgelezen en gegevens naar de administratie kunnen worden overgezet. Voor een kleinere onderneming is de waarde niet dat ieder document automatisch foutloos wordt verwerkt, maar dat de boekhouder of administratief medewerker een vooringevuld voorstel controleert in plaats van gegevens vanaf nul over te typen.
Ook Pleo, de van oorsprong Deense aanbieder van uitgavenbeheer, laat zien hoe een afgebakende stroom geschikt is voor automatisering. Het platform koppelt zakelijke uitgaven aan bonnetjes, categorieën en administratieve gegevens. Dat type toepassing is laagdrempelig omdat het proces een duidelijk begin en einde heeft: een medewerker doet een uitgave, levert bewijs aan en de organisatie moet de uitgave beoordelen en boeken. AI en automatisering kunnen de tussenstappen versnellen, terwijl de financiële controle bij mensen en bestaande regels blijft.
Edgar van Lent benadrukt dat deze voorbeelden niet vragen om een eigen model of een groot dataproject. De kern is juist dat bedrijven software kiezen waarin documenten, taken en goedkeuringen al samenkomen. Vervolgens moeten zij bepalen welke velden AI mag voorstellen, welke gevallen automatisch kunnen doorstromen en wanneer altijd menselijke bevestiging nodig is.
Een bruikbare eerste inrichting kent volgens Edgar van Lent drie grenzen:
- AI mag classificeren, samenvatten en een conceptregistratie maken, maar niet ongemerkt financiële of contractuele beslissingen nemen.
- De medewerker moet kunnen zien op welke bronmail, bijlage of invoer een voorstel is gebaseerd.
- Uitzonderingen moeten zichtbaar in een aparte werkvoorraad terechtkomen, zodat zij niet verdwijnen achter een ogenschijnlijk automatische afhandeling.
Waarom kleine pilots vaak wel of niet landen
De projecten die stranden, beginnen volgens Edgar van Lent te vaak met de vraag welke AI-tool het meest indrukwekkend is. Daardoor ontstaat een proef waarin medewerkers losse prompts uitproberen, zonder afspraak over het doel, de broninformatie of de verantwoordelijke voor de uitkomst. Zo'n experiment kan nuttig zijn als verkenning, maar het verandert de dagelijkse operatie niet.
Succesvoller zijn pilots met één processtap, één eigenaar en een beperkte set documenten. Denk aan het voorbewerken van inkomende inkoopmails, het herkennen van gegevens op declaraties of het aanmaken van een concepttaak uit servicecorrespondentie. Edgar van Lent adviseert om eerst vast te leggen hoe de situatie nu wordt afgehandeld. Pas daarna is te beoordelen of AI werkelijk wachttijd, invoerwerk of fouten in de overdracht vermindert.
Ook datakwaliteit verdient aandacht. Kleine ondernemingen beschikken zelden over perfect geordende gegevens, maar zij hoeven daar niet op te wachten. Wel moeten naamgeving, dossierstructuur en toegangsrechten voldoende consequent zijn. Wanneer klantnamen, projectcodes en versies door elkaar lopen, zal een AI-voorstel vaker moeten worden hersteld. De oplossing is dan niet noodzakelijk een beter model, maar vaak een eenvoudiger afspraak over bronbestanden en statusvelden.
Edgar van Lent plaatst privacy en vertrouwelijkheid in hetzelfde praktische kader. Bedrijven moeten weten welke informatie naar een externe dienst gaat, welke instellingen voor bewaartermijnen gelden en wie de resultaten kan inzien. Bij klantdossiers, personeelsinformatie en financiële stukken is die controle geen rem op innovatie, maar een voorwaarde om medewerkers de toepassing betrouwbaar te laten gebruiken.
De volgende stap is gecontroleerde doorstroming
De komende fase in het mkb draait volgens Edgar van Lent minder om de vraag of een chatbot goede tekst kan schrijven en meer om gecontroleerde doorstroming tussen inbox, dossier, taak en administratie. Bedrijven die klein beginnen, de menselijke controle expliciet houden en uitzonderingen meetbaar maken, kunnen AI geleidelijk onderdeel maken van hun normale werkwijze. Edgar van Lent beoordeelt juist die nuchtere integratie als de kansrijkste route: niet één spectaculaire toepassing, maar een reeks kleine verbeteringen die medewerkers merkbaar tijd teruggeeft.
