AI in bestaande software: slim integreren of hype?

AI is geen apart product meer dat je naast je bestaande systemen zet. Het sluipt langzaam in de tools die medewerkers dagelijks gebruiken: navigatieapps, e-mailclients, ERP-systemen, klantenportalen. Voor bedrijven die maatwerksoftware gebruiken, is dit een kans en een valkuil tegelijk. De kans: je processen worden slimmer zonder dat je alles opnieuw hoeft te bouwen. De valkuil: AI toevoegen omdat het kan, in plaats van omdat het iets meetbaar oplost.

Wat de Waze-aankondiging zegt over AI en software

Google kondigt Gemini aan als vast onderdeel van Waze. Niet als losse assistent in een zijpaneel, maar ingebakken in de routebegeleiding zelf: slimmere routesuggesties, directe antwoorden op rijdende vragen, contextuele waarschuwingen. Waze heeft al meer dan 150 miljoen gebruikers wereldwijd (bron: Waze), en die krijgen AI zonder dat ze er iets voor hoeven te doen of te begrijpen.

Dit is het patroon dat we nu bredder zien: AI wordt niet meer losgeleverd als een apart tabblad of een chatbot in de hoek van je scherm. Het wordt verwerkt in bestaande workflows. Dat heeft gevolgen voor hoe je als MKB-bedrijf over AI-integratie moet nadenken. De vraag is niet langer “moeten we iets met AI”, maar: “in welk deel van ons systeem zou AI nu al concreet iets verbeteren”

Concrete signalen dat AI-integratie iets kan toevoegen:

• Medewerkers voeren dezelfde gegevens op meerdere plekken in.
• Offertes of rapporten worden samengesteld op basis van vaste sjablonen die nauwelijks variëren.
• Klanten stellen steeds dezelfde vragen die elke keer handmatig worden beantwoord.
• Planners of inkopers nemen beslissingen op basis van data die pas na uren beschikbaar is.

In al deze gevallen is er een patroon dat een model kan leren, en een handeling die geautomatiseerd of versneld kan worden. Dat is de kern van zinvolle AI-integratie: herhaalbaar werk dat nu menselijke aandacht vreet.

Drie situaties uit de MKB-praktijk

1. AI in een klantportaal

Stel dat klanten regelmatig inloggen om de status van orders of ritten op te vragen en daarna alsnog de klantenservice bellen voor toelichting. Een AI-laag in het portaal kan de klant direct voorzien van contextuele uitleg, verwachte levertijden op basis van historische data en automatisch gegenereerde antwoorden op veelgestelde vragen. De klantenservice hoeft dan alleen de uitzonderingen te behandelen.

2. AI in een offertesysteem

In sectoren als logistiek of automotive worden offertes samengesteld op basis van tientallen variabelen: afstand, gewicht, klanthistorie, marges, beschikbaarheid. Nu doet een medewerker dat met een combinatie van geheugen, Excel en gezond verstand. Een AI-model dat op historische offertedata is getraind, kan een conceptofferte genereren die de medewerker alleen nog hoeft te beoordelen en aan te passen. Dat scheelt gemiddeld tientallen minuten per offerte, en dus honderden uren per jaar bij een actieve salesafdeling.

3. AI in een logistiek dashboard

Een logistiek dashboard toont vandaag wat er is. Een slim dashboard voorspelt ook: welke route morgen waarschijnlijk vertraging oploopt, welke klant een herbestelling zou moeten plaatsen, welk voertuig aan onderhoud toe is vóórdat het echt misgaat. AI maakt dashboards van registratiemiddelen tot beslissingsondersteuning. Dat vereist goede datakwaliteit en een model dat op de juiste historische data is getraind, maar het is technisch geen rocket science meer.

Wanneer is het gewoon hype?

AI-integratie is hype als het antwoord op de vraag “wat lost het op” vaag blijft. Tekenen dat je beter even wacht:

• Het idee komt voort uit een demo of een congres, niet uit een concreet knelpunt in de werkprocessen.
• De data die het model nodig heeft, is niet beschikbaar, onvolledig of inconsistent.
• Er is geen duidelijke eigenaar binnen het bedrijf die verantwoordelijk is voor de uitkomst.
• Het doel is “iets doen met AI” om bij te blijven, niet om iets te verbeteren.

AI-modellen leren van data. Als die data er niet is, of als het probleem te ongestructureerd is, levert een integratie ruis op in plaats van waarde. Een eerlijk advies: begin dan liever met het verbeteren van de datakwaliteit en de processtructuur. Dat is minder sexy, maar het legt de fundering voor een integratie die later wél werkt.

Een ander eerlijk punt: AI-integratie in maatwerksoftware kost tijd en geld. De terugverdientijd varieert sterk. Bij repetitief, datarijk werk (logistiek, offertes, klantenservice) is die terugverdientijd vaak relatief kort. Bij complexe, kennisintensieve beslissingen is het veel moeilijker te modelleren en duurt het langer voordat een model betrouwbaar genoeg is om op te steunen.

Hoe begin je er verstandig mee?

De aanpak die wij hanteren bij Divtag volgt altijd dezelfde logica: begin klein, meet snel, en schaal alleen wat werkt.

1. Kies één concreet knelpunt. Niet “AI voor de hele organisatie”, maar “AI voor dit specifieke formulier, deze specifieke stap, dit specifieke rapport”.
2. Beoordeel de databeschikbaarheid. Heb je voldoende historische, schone data om een model op te trainen of een API zinvol te voeden? Zo niet, los dat eerst op.
3. Bouw een werkend prototype snel. Niet pas na zes maanden een groot systeem opleveren, maar binnen weken iets tastbaars tonen dat je kunt beoordelen in de praktijk.
4. Meet het effect. Hoeveel tijd bespaart het? Hoeveel fouten zijn er minder? Is de medewerker er tevreden mee? Zonder meting is er geen bewijs van waarde.
5. Schaal daarna pas. Als de pilot werkt, breid je de integratie uit naar meer stappen of meer gebruikers. Als het niet werkt, heb je weinig verspild.

Waze integreerde Gemini niet in één nacht in zijn volledige platform. Het begon met gerichte functionaliteit die meetbaar beter was dan wat er al was. Diezelfde logica geldt voor een klantportaal in de logistiek of een offertesysteem in de automotive sector.

Kernpunt: AI integreren in bestaande software loont als het een herhaalbaar, datarijk knelpunt aanpakt. Begin met één concreet proces, meet het effect en schaal daarna. Alles wat begint met “we moeten iets met AI” zonder een helder probleem is weggegooid geld.