De AI-tweedeling in het MKB groeit: wat koplopers anders doen dan achterblijvers

Twee accountantskantoren in dezelfde straat, met hetzelfde softwarebudget. Het ene gebruikt AI om sneller een verslag te tikken en draait verder precies zoals het altijd draaide. Het andere heeft één proces, de maandafsluiting, helemaal opnieuw ingericht rondom AI en ziet nu twee weken eerder welke klant in de problemen komt. Over een jaar is dat verschil niet meer in te lopen. En het zat hem niet in geld.

Dat patroon zie ik overal in het MKB terugkomen. Er groeit een tweedeling tussen bedrijven die AI structureel laten renderen en bedrijven die er vooral een paar abonnementen bij hebben. De makkelijke verklaring is dat de koplopers gewoon meer te besteden hebben. Die verklaring klopt niet. De kloof is geen geldkwestie, het is een kwestie van beslissingsarchitectuur: de optelsom van keuzes over waar en hoe je AI inzet. Wie begint bij processen, wint structureel. Wie begint bij tools, blijft achter, hoe groot het budget ook is.

De kloof is echt, en hij loopt op

De cijfers laten weinig ruimte voor twijfel. Uit cijfers van het CBS blijkt dat ongeveer één op de zes Nederlandse bedrijven in 2025 AI gebruikt, een verdubbeling in twee jaar tijd. Maar dat gemiddelde verbergt een steile helling. Bij bedrijven met 250 of meer medewerkers gebruikt 66 procent AI; bij bedrijven met 50 tot 250 mensen is dat 45 procent, bij 10 tot 50 mensen 27 procent, en bij de kleinste bedrijven met twee tot tien mensen blijft het op 14 procent steken. ABN Amro ziet dezelfde splitsing in de techsector en waarschuwt voor een AI-tweedeling die het zelfs de SaaSpocalypse noemt.

Het verraderlijke is dat dit geen momentopname is maar een vliegwiel. Een bedrijf dat AI in een echt proces verankert, leert precies waar het werkt en waar niet, ontdekt waar zijn data rommelig is en maakt die schoon, en bouwt zo elke maand een grotere voorsprong op. Een bedrijf dat een chatbot heeft aangeschaft en verder niets veranderde, leert niets. De afstand tussen die twee wordt dus niet lineair groter, hij versnelt. Daarom is "wij beginnen later wel een keer" een duurdere keuze dan hij lijkt.

Het geld is niet de bottleneck

De duidelijkste tegenproef komt uit een sector die het juist wél kan betalen: de accountancy. Bijna de helft van de kantoren gebruikt AI zonder er genoeg rendement uit te halen, terwijl 71 procent zegt genoeg budget te hebben en 68 procent vol op automatisering wil inzetten. Geld en bereidheid zijn er dus volop. Wat ontbreekt is de gerichte keuze: weten waar je AI op moet richten. AI landt er vooral bij het makkelijke werk, teksten en samenvattingen, en nauwelijks bij het werk waar een kantoor zijn geld mee verdient.

Dat is geen toeval en het is geen accountantsprobleem. Het grootste internationale onderzoek wijst dezelfde kant op: de tools zijn inmiddels overal, maar de meeste organisaties hebben ze niet diep genoeg in hun werkprocessen verankerd om er echt resultaat uit te halen. In de State of AI van McKinsey zijn de koplopers bijna drie keer zo vaak bezig hun workflows fundamenteel te herontwerpen, en juist dat herontwerp is een van de sterkste voorspellers van meetbare winst. Niet het model, niet het merk, niet de prijs van de licentie. De manier waarop je het inbouwt.

Drie beslissingen die koplopers anders maken

Beslissingsarchitectuur is de optelsom van keuzes die bepalen waar AI in je bedrijf landt: bij welk proces je begint, wie er eigenaar van is, en hoe je het effect meet. Niet het model of het merk tool maakt het verschil, maar deze drie keuzes, want samen bepalen ze of AI in je dagelijkse werk verankert of er als los hulpje naast blijft hangen. Drie beslissingen scheiden de koplopers van de achterblijvers.

• Proces eerst, tool later: koplopers kiezen één concreet proces dat nu pijn doet en richten dat opnieuw in; achterblijvers kopen een tool en zoeken er daarna een probleem bij.
• Een eigenaar, geen project: bij koplopers is één mens persoonlijk verantwoordelijk voor het resultaat; bij achterblijvers is AI van "het AI-project" en dus van niemand.
• Meten in plaats van geloven: koplopers spreken vooraf een meetbaar resultaat af; achterblijvers vertrouwen op het gevoel dat het vast wel helpt.

Begin bij een proces, niet bij een tool

De achterblijver-reflex is herkenbaar: er komt iets nieuws uit, dus je schaft een tool aan. Het gevolg is een verzameling losse abonnementen die naast het echte werk staan en die niemand opzegt. Daarom betoog ik dat je in marketing geen twintig AI-tools nodig hebt maar één samenhangende workflow: meer gereedschap lost een procesvraag niet op. De koploper draait het om en kiest één proces, het liefst iets repetitiefs met genoeg volume om het verschil te voelen. Welke je het eerst pakt, is een afweging op zich, waarvoor ik een prioriteringskader voor het MKB heb uitgewerkt om te bepalen welke processen je als eerste automatiseert. De rode draad: smal beginnen is niet voorzichtig, het is sneller, want je krijgt één resultaat dat je vertrouwt in plaats van tien halve oplossingen.

Geef het een eigenaar, geen projectstatus

De tweede keuze klinkt saai en is doorslaggevend. Een pilot die "van het AI-project" is, valt stil zodra de pilot voorbij is, want er is niemand wiens dagelijkse werk er beter van wordt. Precies daarom stranden AI-pilots zelden op de techniek en bijna altijd op de inbedding: geen eigenaar, geen koppeling met het proces, geen vervolg. Een koploper wijst iemand aan die wordt afgerekend op het resultaat en die de bevoegdheid heeft om het werk anders in te richten. Dat hoeft geen datateam te zijn. Eén persoon die het proces kent en het mag veranderen, is genoeg.

Meet het effect, vertrouw niet op het gevoel

De derde keuze beschermt je tegen je eigen enthousiasme. AI voelt productief: het antwoord komt snel, het klinkt zelfverzekerd, en dat geeft het gevoel dat het werkt. Dat gevoel is juist de valkuil, want AI kan overtuigend ogen terwijl het bewijs van rendement ontbreekt. Een koploper spreekt vooraf af wat beter moet, doorlooptijd, foutpercentage, of het aantal handmatige stappen, en meet dat na een maand. Daalt het niet, dan stopt of verandert hij de aanpak. Die nuchterheid is precies wat een chatbot-met-enthousiasme onderscheidt van een proces dat echt geld oplevert.

"Maar wij hebben de mensen niet voor zo'n traject"

Dit is het sterkste tegenargument, en het is eerlijk. Een klein bedrijf heeft geen AI-specialist, geen ruimte om maanden te experimenteren, en de directie staat zelf in de operatie. Is de kloof dan niet gewoon structureel, een luxe van de grote bedrijven? Op het eerste gezicht wel. Maar de cijfers zeggen iets anders. De snelste groei zit niet bij de reuzen, maar bij de middelgrote bedrijven van 50 tot 250 mensen, die in twee jaar van 20 naar 45 procent gingen. Dat zijn geen organisaties met onuitputtelijke budgetten; dat zijn bedrijven die een keuze maakten.

En de aanname dat je er mensen voor moet vrijmaken, klopt alleen voor de tool-eerst-aanpak, waar je tien dingen tegelijk een beetje probeert. De proces-eerst-aanpak vraagt het omgekeerde: één proces, één eigenaar, één meetbaar doel. Dat is goedkoper dan de stapel ongebruikte abonnementen die de achterblijver allang betaalt. Je ziet dezelfde logica in de industrie, waar de echte tweedeling niet tussen groot en klein loopt maar tussen bedrijven die AI op de werkvloer inzetten en bedrijven die het tot de administratie beperken. Een kleine fabrikant die AI op zijn kwaliteitsinspectie zet, verslaat een grote die het bij de boekhouding houdt. De omvang bepaalt het niet. De plek waar je begint wel.

De kloof is een keuze

De tweedeling in het MKB wordt elk jaar groter, niet omdat de ene helft rijker is dan de andere, maar omdat keuzes zich opstapelen. Elke maand dat een koploper een proces aanscherpt, leert hij iets dat een achterblijver met hetzelfde budget niet leert. Dat is slecht nieuws als je stilstaat, en goed nieuws als je begint, want de keuze zelf is klein en hangt niet aan je omvang. De vraag is niet welke AI-tool je koopt, maar welk proces je opnieuw inricht, wie er eigenaar van wordt, en hoe je weet of het werkt. Met slim werken, loont hard werken, en het slimme zit hier niet in de techniek. Het zit in de drie beslissingen die je maakt voordat je ook maar één tool aanzet.