Een medewerker voert een order opnieuw in het boekhoudpakket in en houdt de planning daarnaast bij in Excel. In dit voorbeeld van dubbele invoer kost het werk tijd omdat systemen niet goed samenwerken; AI toevoegen lost die oorzaak niet vanzelf op. Een AI-oplossing op maat is zinvol als een concrete taak bedrijfsspecifieke gegevens of werkprocessen nodig heeft die een standaardtool niet aankan. Gaat het vooral om overtypen, dan past een koppeling of gewone softwareontwikkeling mogelijk beter.
Wanneer is een AI-oplossing op maat zinvoller dan een standaard AI-tool?
Een AI-oplossing op maat is zinvoller wanneer een afgebakende taak moet aansluiten op jouw werkwijze, gegevens of systemen en een standaard AI-tool daarvoor structurele omwegen vraagt. De applicatie moet zich dan aan het werkproces aanpassen, niet andersom. Maatwerksoftware wordt voor één organisatie gebouwd rond haar eigen processen en werkwijze; bij maatwerk AI is de vraag vervolgens welk deel van die specifieke taak daadwerkelijk AI nodig heeft.
| Situatie | Waarschijnlijke eerste keuze |
|---|---|
| Een standaardtool verwerkt de taak goed, zonder terugkerend kopieerwerk of aparte spreadsheets. | Gebruik de standaardtool; maatwerk voegt dan niet vanzelf iets toe. |
| De tool kan de taak aan, maar mist gegevens uit je boekhouding, CRM of andere software. | Onderzoek eerst een koppeling. Een ontbrekende integratie maakt de AI zelf nog niet ontoereikend. |
| De taak kent bedrijfsspecifieke uitzonderingen die je telkens buiten de tool moet afhandelen. | Onderzoek AI op maat, mits juist die taak AI vraagt. Terugkerende workarounds zijn een signaal om de werkwijze preciezer in kaart te brengen. |
Noteer dus niet alleen wat de tool in een demonstratie kan, maar ook welke uitzonderingen jouw medewerkers in de praktijk nog handmatig oplossen.
Voor welke werkzaamheden is AI op maat bruikbaar, en wanneer volstaat gewone automatisering?
AI op maat is een optie voor een duidelijk omschreven taak waarbij jouw eigen gegevens en werkwijze de uitkomst bepalen. Bestaat het werk vooral uit gegevens overnemen of bekende informatie tussen systemen uitwisselen, toets dan eerst gewone automatisering.
| Het werk dat vastloopt | Wat je eerst onderzoekt |
|---|---|
| Een order staat al in het ene systeem, maar klantgegevens en planning worden elders opnieuw ingevoerd. | Systemen verbinden of het proces in één applicatie onderbrengen. Dat zijn aanpakken voor dubbele invoer zonder AI als voorwaarde. |
| Een afspraak plannen vraagt om beschikbare agenda’s, reisafstanden en locaties naast elkaar te leggen. | Een planningsapplicatie die die gegevens combineert. Bij GeoPlan was dit het uitgangsprobleem; de case beschrijft een planningsoplossing, geen AI-toepassing. |
| Een taak vraagt om gegevens te interpreteren volgens uitzonderingen die specifiek zijn voor jouw organisatie. | Test of een standaard AI-tool dit betrouwbaar binnen jouw werkwijze kan. Pas als dat niet lukt, krijgt AI op maat een duidelijke functie. |
Dat bedrijven AI het vaakst voor marketing of verkoop gebruiken, zegt weinig over jouw plannings- of invoerprobleem. De handeling die vastloopt is een beter vertrekpunt dan de populariteit van de techniek.
Hoe sluit maatwerk AI aan op bestaande systemen en bedrijfsdata?
Maatwerk AI kan alleen aansluiten als duidelijk is welke gegevens de taak nodig heeft, waar ze staan en hoe de toepassing ze mag ontvangen. Breng daarom per systeem de benodigde gegevens, de mogelijke koppeling en de toegangsrechten in kaart vóór de bouw.
Een koppeling kan nuttig zijn, ook als AI daarna afvalt. GeoPlan combineert bijvoorbeeld agenda’s met externe gegevens, waaronder locatiegegevens, en werkt volgens de case met bestaande agendaoplossingen zonder die aan te passen. Voor jouw situatie kan het relevante systeem juist een boekhoudpakket, urenregistratie of planningssysteem zijn: zulke integraties horen bij het ontwerp van de oplossing, niet bij een reparatie achteraf.
Als medewerkers dezelfde gegevens op meerdere plekken intypen, is eerst de gegevensstroom het probleem. Pas daarna kun je beoordelen of er boven op die stroom nog een taak ligt waarvoor AI nodig is.
Hoe bescherm je bedrijfsgegevens en persoonsgegevens bij AI op maat?
Bescherm bedrijfsgegevens door vooraf vast te leggen welke informatie de AI-toepassing krijgt, wie erbij kan en wie verantwoordelijk is voor de beveiliging tijdens gebruik. Deze checklist maakt dat bespreekbaar met een leverancier:
- Gegevens en toegang: bepaal per gebruikersrol welke informatie nodig is. Te ruime toegang, waardoor medewerkers meer kunnen zien dan voor hun werk nodig is, is een beveiligingsrisico.
- Opslag en verzending: vraag hoe gegevens in beide situaties worden versleuteld. Versleuteling op beide momenten is een concrete maatregel bij veilige applicatieontwikkeling. Leg ook vast waar gegevens worden verwerkt.
- Beheer na livegang: spreek af wie beveiligingstests, updates, patches en monitoring verzorgt. Zonder dat beheer kunnen niet-gedichte kwetsbaarheden blijven bestaan.
- Persoonsgegevens: toets de verwerking aan de AVG. Voor generatieve AI heeft de Autoriteit Persoonsgegevens een afzonderlijk hulpmiddel.
Ook als je AI lokaal wilt laten draaien, blijft de vraag welke gegevens via koppelingen binnenkomen en wie ze kan raadplegen. „Lokaal” is geen vervanging voor toegangsbeheer en onderhoud.
Welke ontwikkel- en onderhoudskosten moet je meenemen?
Neem naast de bouw van de eerste versie ook koppelingen, hosting, technisch onderhoud, beveiligingsupdates en ondersteuning na livegang op in je begroting. Vraag om een uitsplitsing, zodat een beperkte startscope geen verborgen kosten bij de eerste uitbreiding oplevert.
- Eerste versie: leg vast welke taak werkt bij oplevering, welke uitzonderingen zijn inbegrepen en wat buiten de scope valt.
- Koppelingen en uitbreiding: vraag wat het kost om later een systeem toe te voegen. Een opzet die koppelingen niet toelaat, maakt uitbreiding lastiger en duurder.
- Doorlopend beheer: maak afzonderlijke afspraken over technisch onderhoud, beveiligingsupdates, hosting, infrastructuur en gebruikersondersteuning. Dit zijn kostenposten bij maatwerksoftware; voor jouw AI-toepassing moet duidelijk zijn wat daar nog bij komt.
- Overdracht: vraag wie eigenaar is van de broncode en hoe je data-export en documentatie krijgt als je later met een andere partij verder wilt.
Een leverancier kan ook hosting en ondersteuning na livegang verzorgen; WEAP beschrijft die dienstverlening voor zijn softwaretrajecten. Vergelijk daarbij niet alleen de bouwbegroting, maar ook wat je organisatie zelf moet blijven beheren.
Hoe begin je klein en ontwikkel je een oplossing na de eerste versie verder?
Begin met één taak die nu aantoonbaar tijd kost of workarounds vraagt. In de analyse leg je vast waar informatie verloren gaat en wat medewerkers buiten het systeem om doen. Dat maakt ook de vraag achter de vraag zichtbaar: ontbreekt er AI, of ontbreekt er een goed werkende koppeling?
Een maatwerktraject kan vervolgens lopen van intake en analyse via ontwerp naar bouw, testen, oplevering en doorontwikkeling. Bepaal in het ontwerp wat de werkende basisversie moet kunnen en wat later kan. Gebruikersbeheer of rechten hoef je daarbij niet automatisch vanaf nul te laten bouwen; WEAP noemt die onderdelen bijvoorbeeld standaardfunctionaliteit van zijn applicatiefundament.
Jouw rol stopt niet bij akkoord op een ontwerp. Kijk tussentijds mee, laat de mensen die het werk doen uitzonderingen uitproberen en test vóór oplevering of de basisversie in de praktijk klopt. Korte bouwcycli met feedback maken bijsturen mogelijk voordat je gefaseerd uitbreidt.
Welke AI-regels en verantwoordelijkheden moet je vóór ingebruikname toetsen?
Toets vóór ingebruikname welke verplichtingen uit de Europese AI-verordening passen bij de toepassing en bij jouw rol. Leg vast wie deze beoordeling uitvoert en wie tijdens het gebruik toezicht houdt.
- AI-geletterdheid: bepaal wie met het systeem werkt en welke kennis daarvoor nodig is. Artikel 4 behandelt AI-geletterdheid.
- Rolverdeling: spreek met de bouwer en eventuele andere betrokken partijen af wie waarvoor verantwoordelijk is. Artikel 25 gaat over verantwoordelijkheden in de AI-waardeketen.
- Hoog risico: laat beoordelen of de beoogde toepassing onder de regels voor hoogrisico-AI valt. Artikel 26 behandelt verplichtingen van gebruiksverantwoordelijken van zulke systemen.
Die toets hoort bij de concrete toepassing, niet bij het etiket „maatwerk AI”.
Wanneer is AI op maat niet nodig?
Als het werk vastloopt doordat systemen niet samenwerken, is een koppeling of gewone maatwerksoftware de gerichtere oplossing.
Wil je die keuze maken voor jouw organisatie? Je kunt één vastgelopen taak en de betrokken systemen aan WEAP voorleggen. Dan ligt eerst de keuze tussen een bestaande tool, een koppeling, gewone maatwerksoftware en AI op maat op tafel — niet meteen een offerte voor de grootste oplossing.