Data & BI
AI in business intelligence voor het mkb: wat werkt, en wat niet.
Bijna alles wat je hierover leest komt van een leverancier. Dit is de eerlijke versie: waar AI in BI echt iets oplevert, waar het geld kost zonder resultaat, en welke stap je het beste als eerste zet.
Laatst gecontroleerd: 16 augustus 2026
Wat wél werkt
Vier toepassingen die zich in het mkb bewijzen. Ze hebben iets gemeen: je kunt het antwoord zelf nakijken.
Melden wat afwijkt
Niet jij die het dashboard opent, maar het dashboard dat jou een bericht stuurt als een getal buiten de bandbreedte valt. De grootste winst, het kleinste risico, en je hebt er geen groot model voor nodig.
Vrije tekst indelen
Mails, tickets, klachten en offerteaanvragen zijn de grootste ongebruikte databron in het mkb. Een model deelt die betrouwbaar in op onderwerp, urgentie en toon. Je ziet de tekst en de indeling naast elkaar, dus fouten vallen op.
Vragen stellen in gewone taal
Werkt goed — maar alleen bovenop een model waarin de definities al vastliggen. Dan vertaalt het jouw vraag naar een query op dat model in plaats van de logica erbij te verzinnen.
Uitleggen wat er in een dashboard staat
Een samenvatting in twee zinnen onder een grafiek, voor de mensen die de grafiek niet lezen. Klein, maar het verhoogt het gebruik van rapportages meer dan een mooier dashboard.
Wat niet werkt
Deze vier zie ik het vaakst mislukken, meestal nadat er al betaald is.
AI over een rommelig datamodel
Dit is de belangrijkste. AI over rommel geeft overtuigende rommel: het antwoord klinkt goed, staat vol cijfers, en klopt niet. Niemand ziet het, want er is geen bron om tegen te controleren. Geen enkele tool lost dit op.
“Vraag maar wat” zonder definities
Als omzet per afdeling iets anders betekent, geeft het model elke keer een ander antwoord op dezelfde vraag. Niet omdat het slecht is, maar omdat de vraag geen eenduidig antwoord heeft.
Voorspellen op te weinig historie
Bij mkb-volumes is de foutmarge vaak groter dan het effect waarop je stuurt. Een voorspelling die er tien procent naast zit is nutteloos als je marge acht procent is.
AI in plaats van iemand die de cijfers snapt
Een model beantwoordt de vraag die je stelt. Het vertelt je niet dat je de verkeerde vraag stelt. Dat blijft mensenwerk.
De nadelen die zelden genoemd worden
Niet om je af te schrikken. Om ze vooraf te regelen in plaats van achteraf.
Zelfverzekerd verkeerde getallen
Een taalmodel zegt zelden “dat weet ik niet”. Het noemt een getal. Zonder herleidbare bron kun je het verschil niet zien tussen een goed en een verzonnen antwoord.
Geen spoor van hoe een cijfer ontstond
Bij een dashboard kun je doorklikken naar de bron. Bij een AI-antwoord in een chatvenster niet. Voor cijfers die naar de bank of een accountant gaan, is dat een probleem.
Waar je cijfers heen gaan
Een vraag stellen betekent je gegevens meesturen. Bij een publieke chatinterface verlaten ze je omgeving. Bij Copilot binnen je eigen tenant niet. Dat verschil moet je een keer uitzoeken en vastleggen.
Kosten per vraag
Elke vraag kost geld. Bij een handvol gebruikers merk je dat niet. Bij een dashboard dat honderd keer per dag een samenvatting genereert wel.
Wat kan er bij jou?
Vijf vragen. Daarna zie je welke toepassing bij jouw situatie past, met welke techniek dat kan, en wat de eerste snelle stap is. Je hoeft niets in te vullen.
Veelgestelde vragen
Niet voor alles. Melden wat afwijkt en vrije tekst indelen kan zonder. Vragen stellen in gewone taal wil je niet doen zonder een model waarin de definities vastliggen.
Voor een deel. Copilot werkt op je semantische model, dus het staat of valt met hoe goed dat model is. Is dat model rommelig, dan geeft Copilot rommelige antwoorden — netjes opgemaakt.
Dat hangt af van welke cijfers en welk model. Binnen je eigen Microsoft-omgeving blijven ze bij jou. Bij een publieke chatdienst niet. Leg vast welke gegevens welke omgeving niet uit mogen.
De techniek is meestal het goedkoopste deel. Het werk zit in het opruimen van definities en bronnen. Wat dat bij jou is, komt uit de bedrijfsscan.
De eerste stap is bijna nooit AI
Kies het cijfer waar het vaakst ruzie over is. Leg op één A4 vast wat het precies betekent en waar het vandaan komt. Dat kost een middag, kost niets, en maakt elke volgende stap makkelijker.
Verder lezen: AI-adoptie in het mkb — waar gaan je gegevens heen bij ChatGPT en Copilot — AI in data engineering.
Vraag het aan deze site
Stel je vraag over AI, de AI Act, koppelingen of digitalisering. Het antwoord komt uit de pagina’s van deze site, met verwijzingen naar waar het staat.