AI-readiness voor MKB-finance
Een zelf-assessment voor een Nederlands MKB-finance-team (5-50 FTE) dat wil weten waar het staat met AI-adoptie en wat de eerste concrete stap moet zijn.
Belangrijk: deze skill is een zelfassessment, geen externe audit. De output is bedoeld als input voor het MT-gesprek over budget en prioritering, niet als consultancy-rapport.
Drie principes vooraf
Voordat je begint scoren: drie inzichten die de uitkomst bepalen.
- Data is de constraint, niet het model. Als het grootboek of de factuur-feed niet schoon is, helpt geen enkele AI-tool. Eerst data-fundering, dan tooling.
- Off-the-shelf eerst. Custom-builds zijn voor de meeste MKB-finance-teams te duur en te fragiel. Kies wat je kunt kopen en deployen, niet wat je moet bouwen.
- Geen eigenaar = geen project. Ongeacht de business case: zonder iemand op de finance-vloer die het wil dragen, sterft elke AI-pilot binnen één kwartaal.
Deze principes komen terug in de scoring en in het advies per pijler.
Stap 1: Context vaststellen
Vraag bij aanvang (kort, voordat je in de pijlers duikt):
- Bedrijfsgrootte — aantal FTE finance (1-2 / 3-5 / 6-15 / 15+) en aantal FTE totaal
- Sector — productie / handel / dienstverlening / SaaS / horeca / bouw / detailhandel / financieel / overig
- Strategische horizon — steady-state / scale-up / pre-financieringsronde / pre-overname / pre-exit
- Eerdere AI-pilots — wat is geprobeerd, wat werkte, wat niet (failed pilots zijn signaal, niet schaamte)
Deze context bepaalt de urgentie en de risico-bandbreedte. Een 3-FTE-team in scale-up-modus krijgt ander advies dan 15-FTE in pre-exit.
Stap 2: 9 pijlers scoren
Score elke pijler 0-3 op basis van 3 ja/nee-vragen (1 punt per "ja"). Output: groen (3) / amber (2) / rood (0-1).
Status-quo: wat IS er (direct te beoordelen)
Pijler 1 — Handwerk in de finance-cyclus
- Onze maandafsluiting is binnen 7 werkdagen na maand-einde compleet.
- Bankmutatie-matching en bankafstemming verlopen grotendeels via regels of automatische matching — niet handmatig in Excel.
- Variantie-analyse, board-pack en MT-rapportage trekken we grotendeels uit vaste templates — geen herhalend handwerk in Excel of PowerPoint.
Pijler 2 — Automatisering & AI-baseline
- Inkomende facturen worden automatisch ingelezen via OCR of document-herkenning, niet handmatig overgetypt.
- Ten minste één teamlid gebruikt structureel AI (ChatGPT, Copilot of Claude) voor terugkerende finance-taken.
- We hebben minimaal één gestandaardiseerd template of macro voor periodieke rapportage — geen kopiëer-plakken vanaf scratch elke maand.
Readiness: wie/wat ondersteunt
Pijler 3 — Leadership sponsorship
- Er is een benoemde sponsor (typisch CFO of finance-manager).
- Er is een expliciet AI-budget voor finance — hoe klein ook.
- De sponsor heeft in de laatste 90 dagen zichtbaar over AI in finance gecommuniceerd.
Pijler 4 — AI-champion in finance
- Er is een of meer champions bij naam benoemd binnen finance.
- De champion heeft beschermde tijd (een halve tot hele dag per week).
- De champion heeft mandaat om met IT, legal en andere finance-rollen samen te werken.
Pijler 5 — Tools, data-access en AI-policy
- De gebruikte AI-tools zijn zakelijk gelicenseerd (geen consumer-accounts voor klantcijfers).
- Toegang tot de boekhouding voor relevante AI-tools is geregeld of in voorbereiding.
- Er is een gecommuniceerd AI-policy voor finance, inclusief tier-classificatie van klantdata.
Uitvoering: hoe ga je het doen
Pijler 6 — Use-case-prioritering
- Er is een proces om ideeën in te brengen (formulier, kanaal, lijst).
- Er zijn criteria voor prioritering (impact in uren of fouten, haalbaarheid).
- Er is een geprioriteerde roadmap van minimaal 3-5 finance-use-cases.
Pijler 7 — Training en hands-on praktijk
- Er is een trainings-roadmap voor het hele finance-team, niet alleen power users.
- Er zijn vaste oefenmomenten (maandelijkse praktijksessie, office hours).
- Teamleden delen AI-leerervaringen actief met elkaar (demo's, intervisie, kennisdeling).
Pijler 8 — Bottom-up cultuur
- Er zijn educatiepaden beschikbaar voor finance (intern of extern).
- Er draait een ritueel (weekly win, demo, Teams-kanaal) waar mensen leren.
- Het team heeft mondeling of schriftelijk toestemming om AI-tools te proberen op niet-vertrouwelijke data.
Pijler 9 — Project-ritme
- Elke finance-AI-pilot heeft een eigenaar met naam.
- Elke pilot heeft een deadline en een meetbaar succescriterium.
- Voortgang wordt minstens maandelijks besproken.
Stap 3: Uur-besparing kwantificeren (Pijler 1)
Voor de Handwerk-pijler: vraag aanvullend per cyclus-stap hoeveel uur per week erin gaat zitten. Gebruik Anthropic's vuistregel: 30-50% besparing, niet 100%.
Voorbeeld-uitvraag:
Hoeveel uur per week verlies je nu aan: (a) bankaansluiting en mutatie-matching, (b) variantie-rapportage opstellen, (c) maandelijkse close-stappen, (d) ad-hoc data-vragen van het MT?
Sommeer de uren. Bereken indicatieve besparing: aantal uur × 0,3 tot 0,5 = realistische besparing per week.
Output-zin voor het rapport:
Bij gemiddeld 12 uur per week handwerk in close en rapportage is een realistische AI-besparing 4-6 uur per week, oftewel 16-24 uur per maand. Tegen een gemiddelde belasting van €60-€100/uur is dat €960-€2.400 per maand aan vrijgemaakte capaciteit — of bij gelijkblijvende werklast: ruimte voor analyse die er nu niet is.
Stap 4: 3-gate-check voor de top use-cases
Identificeer (samen met de geïnterviewde) 3-5 concrete AI-use-cases die het team overweegt. Voor elke use-case: drie gate-vragen. Drie keer ja = Go. Eén nee = Wacht met de blocker erbij.
- Is de data er? Kan je een schone input produceren — facturen-feed, klant-mutaties, openstaande-postenlijst — zonder eerst een 6-maand data-project? Als nee: wacht.
- Is er een eigenaar? Iemand in het team die het wil dragen, niet alleen "support". Als nee: wacht.
- Kun je pilotten in 30 dagen? Eén team, één workflow, off-the-shelf-tool. Als het antwoord begint met "eerst moeten we..." — geen quick win.
Stap 5: Anti-patterns signaleren
Op basis van de score, signaleer expliciet wat het team niet als eerste moet doen. Veelvoorkomende anti-patterns:
- Pijler 5 (tools/data) rood + Pijler 6 (use-case-prioritering) niet-rood → "Use-cases prioriteren vóór een data-fundament wordt een lijst die niemand kan uitvoeren. Eerst factuur-OCR + grootboek-koppeling regelen, daarna pas een AI-roadmap."
- Pijler 3 (sponsorship) rood + Pijler 4 (champion) niet-rood → "Een champion zonder CFO-sponsor verbrandt binnen 90 dagen. Fix sponsorship eerst — ongeacht hoe sterk je champion is."
- Pijler 1 (handwerk) rood + Pijler 6 (use-case) niet-rood → "Zonder nulmeting weet je over 6 maanden niet of AI iets opleverde. Meet eerst uren in close en rapportage, daarna pas een use-case-keuze."
- Pijler 7 (training) rood + Pijler 6 (use-case) niet-rood → "Prioritering zonder team-skill = pilot draait op één persoon. Verbreed training vóór de tweede use-case."
Output
Lever op:
- Verdict-regel —
X groen / Y amber / Z rood plus één-zins-samenvatting
- Per pijler — score, kleur, advies (begin-hier / versterk / houd-vast)
- 3 principes — Data / Off-the-shelf / Eigenaar, prominent geciteerd
- Uur-besparing-schatting — indicatief, op basis van Pijler 1 + extra-uitvraag
- 3-gate-resultaat — per use-case Go/Wacht met blocker
- Anti-patterns — wat niet als eerste te doen, gebaseerd op kleur-combinaties
- 30-dagen-actielijst — top-3 concrete acties, elk met eigenaar en succescriterium
Aandachtspunten
- Eerlijk scoren > hoog scoren. Het doel is geen 9 × groen — het doel is helder krijgen waar de blockers zitten. Een eerlijke 5-rood-scan is meer waard dan een gepolijste 6-groen-scan.
- Hold-periode-context. Bij pre-exit of pre-financieringsronde: payback-horizon van AI-projecten matters. Wacht-items met 12+ maanden payback zijn minder relevant.
- Failed pilots zijn signaal. Vraag expliciet wat eerder is geprobeerd en niet stickte. Vaak ligt de oorzaak in pijler 3, 4 of 9 (sponsorship, champion, ritme) en niet in de tool zelf.
- Niet alle pijlers wegen even zwaar. Voor een 3-FTE-team zijn pijler 7-8 (training, cultuur) minder kritiek omdat het hele team al dichtbij zit. Voor een 15-FTE-team zijn ze cruciaal.
Verbinding met de Start 2 Scale website-scan
Deze skill is de long-form tekst-equivalent van de AI-Readiness-scan-wizard op start2scale.ai/resources/ai-readiness-check. Verschil:
- Website-wizard — 9 pijlers × 3 vragen, scoring + print-style rapport, ~10 minuten invul-tijd
- Deze skill — diepere uitvraag inclusief kwantificering, 3-gate-check op use-cases en gesprek-stijl-conclusie, ~30-45 minuten met een interviewer
Gebruik de website-wizard voor eerste self-screening. Gebruik deze skill voor diepgaander gesprek met team of klant.