Een AI-roadmap voor het MKB hoort op één A4 te passen. Niet een 40-pagina document, niet een jaarvisie, niet een tool-tour. Zeven stappen die je in een kwartaal afloopt — en aan het eind heb je één werkend proces, een tweede in de pijplijn, en geen €30.000 aan strategie-kosten in de boeken. Hieronder de zeven stappen die we in 60+ trajecten hebben verfijnd.
Maximale roadmap-lengte. Past het er niet op, dan is je scope te breed of je strategie te abstract. Korter is beter dan langer.
Stap 1. Inventariseren waar tijd weglekt (timer-week)
Eén werkweek waarin je elke dag 5 minuten neemt om op te schrijven waar je en je team tijd in stoppen. Geen complexe time-tracking-software. Een Notion-pagina of Excel volstaat. Doelen: drie processen identificeren waar samen meer dan 15 uur per week in gaat.
Wat je vindt is bijna altijd anders dan wat je dacht. In de praktijk horen we: "Ik dacht offerte-werk, blijkt klantmail-respons twee keer zoveel te kosten."
Stap 2. Drie kandidaten kiezen op drie criteria
Uit alle gevonden processen kies je drie kandidaten op basis van:
- Repetitiviteit: minimaal 5 keer per week, liefst dagelijks
- Data-volume: de input bestaat al digitaal (mail, formulier, CRM-record)
- Scope: in 30 minuten uit te leggen aan een nieuwe medewerker
Een proces dat 1x per maand voorkomt is geen kandidaat, hoe waardevol ook. Een proces dat ad-hoc wisselt en bij elke klant anders is, idem. Saai en repetitief = goed voor AI.
Vuistregel: Als je in stap 2 geen drie kandidaten kunt vinden die aan alle drie criteria voldoen, stop dan met het roadmap-traject. Je bedrijf is nog niet klaar voor AI-automatisering.
Stap 3. Succescriteria definiëren in € of u
Voor elke kandidaat schrijf je in één zin het succescriterium. Concreet, meetbaar, met cijfer.
- Goed: "8 uur per week tijdwinst voor binnendienst, gemeten over 4 weken"
- Goed: "Doorlooptijd offerte van 4 dagen naar 1 dag"
- Goed: "€2.500 per maand minder externe support-kosten"
- Slecht: "Efficiënter werken"
- Slecht: "Klanttevredenheid verhogen"
Zonder succescriterium weet je niet wanneer iets werkt. Belangrijker: zonder succescriterium kun je geen ROI berekenen, dus geen vervolgbeslissing nemen.
Stap 4. Proof-of-concept in 2 weken
Eén kandidaat bouw je in een prototype. Niet drie. Niet uitgebreid getest. Een werkende versie die 60% van de standaard-cases correct afhandelt.
Twee weken is niet veel. Daarom: geen perfectie, geen edge cases, geen UI-finetuning. Alleen: werkt de kern? Doet GPT/Claude wat we hopen op de standaardvoorbeelden? Zo niet, ander idee, geen geld erin gestopt.
Stap 5. Live-zetten in bestaande software
Geen nieuw dashboard, geen aparte tool om in te loggen. De AI-output landt in de software die je team al gebruikt: CRM, mailbox, planningsapp, accountingpakket. Iedereen die nu een offerte verwerkt, blijft dat doen — alleen is het concept al voor 80% klaar bij ontvangst.
Reden: een nieuwe tool naast bestaande software wordt niet gebruikt. Dat hebben we honderd keer gezien. Plak AI op het bestaande, dan wordt het standaard.
Stap 6. Overdracht en monitoring
Na go-live: monitoring instellen. Elke run gelogd, alerts bij failures, dashboard met failure-rate en gemiddelde duur. Plus een interne eigenaar die kleine prompt-aanpassingen kan doen — meestal de operations-manager of een tech-affiene binnendienst-medewerker.
| Metric | Streefwaarde | Reactie bij afwijking |
|---|---|---|
| Failure rate | < 3% per week | Edge case onderzoeken, prompt aanpassen |
| Gemiddelde duur | < 60s | Model of context-window optimaliseren |
| Kosten per run | < €0,15 | Prompt verkorten, goedkoper model overwegen |
| User-acceptatie | > 90% goedgekeurd | Eigenaar interviewen, kwaliteit verbeteren |
Stap 7. Doorbouwen in volgend kwartaal
Pas als stap 1 minimaal 4 weken stabiel draait, ga je naar de volgende kandidaat. Vaak hangen processen aan elkaar — een offerte-generator levert input voor een werkbon-systeem, dat input voor een facturatie-controle. Bouw één voor één, in volgorde van afhankelijkheid.
Per kwartaal: één nieuw proces live, één in ontwikkeling, één wachtend. Na vier kwartalen: vier werkende processen, gemeten tijdwinst van 40-80 uur per week in een MKB van 15-25 medewerkers.
Wat NIET in een AI-roadmap hoort
De meest voorkomende fouten in roadmaps die we van andere bureaus zien:
- "AI-cursus voor het hele team." Mensen weten al hoe ze met ChatGPT moeten praten. Ze missen de bedrijfsworkflow eromheen.
- Een "AI-jaarvisie" met visiestatements. Geen bedrijf in het MKB heeft een jaarvisie nodig over AI. Wel een werkende offerte-generator binnen 6 weken.
- Brede tool-evaluatie. "We kijken naar 14 AI-platforms." Betekent: 14 demo's, geen bouw. Kies 1, bouw, leer.
- Change-management programma. Verandering komt vanzelf als het werkt. Pas op met "transformatie"-taal in een bedrijf van 20 mensen.
- "Eerst alle data op orde." Je krijgt nooit alle data op orde. Begin met wat je hebt; data verbeteren komt vanzelf wanneer je een proces gaat bouwen.
Onze vorige roadmap was 38 pagina's, kostte €22k aan een ander bureau, en in maand 6 was er nog niets gebouwd. Nieuwe roadmap: 1 A4, eerste workflow live in week 5. Dat is geen roadmap-verschil, dat is een bureau-verschil.— Eigenaar, technisch dienstverlener 19 medewerkers
Eindvuistregel
Als je AI-roadmap niet op één A4 past, herschrijf hem. Als hij wel op één A4 past maar er staan geen cijfers in (uren tijdwinst, euro's investering, weken doorlooptijd), herschrijf hem. Een MKB-roadmap zonder cijfers is wensdenken in lay-out.