Om 6:07 stuurt mijn server een mailtje. Gisteravond viel er een bestelling binnen bij een van mijn winkels, en terwijl ik nog sliep checkte een script de voorraad, zette de order klaar voor verzending en zette een regel in het overzicht dat ik om acht uur open. Niets aan dat proces is slim. Het is saai, het gebeurt elke keer opnieuw, en precies daarom loopt het geautomatiseerd.
Als mensen “automatisering” zeggen, zien ze een chatbot die het halve bedrijf overneemt. In de praktijk begint het bij iets veel kleiners: een taak die jij deze week voor de tweede keer met de hand deed. Dat is het proces waarmee je begint.
Het saaiste proces wint van de mooiste demo
Ik heb één regel in mijn eigen werk en die luidt: automatiseer het proces dat je elke week opnieuw doet, niet het proces dat het leukst demonstreert. Een offerteaanvraag die elke vrijdag handmatig in een spreadsheet wordt overgetypt levert meer op dan een AI-agent die kunstig je agenda beheert. De vrijdag-taak kost elke week tijd en gaat elke keer opnieuw een beetje mis: een typfout in een e-mailadres, een vergeten kolom, een aanvraag die in een vergeten map verdwijnt.
Wat een automatisering met zo’n taak oplevert is niet alleen tijd. Het is vooral voorspelbaarheid. De bestelling van om 23:47 uur wordt op dezelfde manier behandeld als die van om 10:00 uur ’s ochtends, en jij hoeft nergens meer aan te denken. Vooral je hoofd merkt het verschil, want juist de kleine terugkerende handelingen zetten het vol.
Wat AI daarin wél doet, en wat niet
Nu AI er is, lijkt elk proces opeens automatiseerbaar. Dat valt tegen, en dat mag je eerlijk zeggen. AI is op zijn best in de stappen waarin taal of beeld gelezen moet worden: een aanvraagmailtje lezen en uitsorteren, een productomschrijving op drie plekken gelijktrekken, een klantvraag samenvatten voordat hij bij jou landt. AI is op zijn slechtst in processen die gewoon waterdicht moeten zijn: een betaling verwerken, een order naar de printer sturen, een voorraad omlaag zetten. Dat soort stappen wil je in gewone, domme, voorspelbare regels hebben.
In mijn eigen werk loopt dat zo: mijn workflows draaien in n8n, en daar zit op een paar plekken een AI-stap tussen als iets gelezen of beoordeeld moet worden. Het frame is saai en het is maar goed ook. Wie alles “AI” maakt, bouwt een bedrijf dat soms briljant is en soms alleen maar verrassend. Wil je weten hoe zo’n instap er in de praktijk uitziet, dan heb ik eerder geschreven over het geheim van n8n en over de stap van AI-chat naar teamworkflow.
Van lijstje naar eerste automatisering in vijf stappen
Automatiseren is geen project, het is een routine. De volgorde die bij mij en bij de mkb-bedrijven die ik help werkt, ziet er zo uit:
- Schrijf een week lang op wat je met de hand doet, elke keer opnieuw. Gewoon een kladblad.
- Streep alles door wat maar één keer per kwartaal gebeurt. Niet de moeite waard.
- Zoek van wat overblijft het item dat het vaakst terugkomt én het vaakst fout gaat.
- Bouw daarvan de saaiste versie die je kunt verzinnen. Geen AI, geen slimheid, eerst gewoon vaste regels.
- Laat die automatisering een maand naast het handmatige werk draaien. Klopt de output, pas dan laat je het handmatige werk los.
Die volgorde ontloopt het klassieke fiasco: een automatisering die half werkt maar nooit helemaal klopt, en die je uiteindelijk dubbel werk kost omdat je elke output gaat controleren. Pas als de saaie versie een maand foutloos loopt, is er ruimte voor een slimme stap erbovenop, bijvoorbeeld een AI-stap die de binnengekomen aanvragen eerst indeelt. Wie daarna naar bredere ai automatisering voor het mkb wil kijken, heeft aan die routine een goede basis.
Zes vertakkingen en een dashboard dat niemand opende
Mijn eerste workflow had dat allemaal: zes vertakkingen, een AI-stap op drie plekken en een dashboard dat niemand opende. Hij liep twee maanden, ging twee keer stil bij een update, en uiteindelijk deed ik het proces toch maar weer met de hand, want dat kostte minder tijd dan het onderhoud. De les daarvan is niet dat automatisering niet werkt, maar dat complexiteit een kostenpost is die je meetelt. Een proces van vijf regels dat altijd draait is meer waard dan een proces van vijftig regels dat meestal draait.
En er is nog een grens. Werk waarin je zelf wilt nadenken, automatiseer je niet. Een belangrijk aanbod schrijven, een klant bellen die ontevreden is, bepalen welke klus je volgende week pakt: dat is het werk zelf. Wie zijn hele agenda automatiseert, heeft geen bedrijf meer maar een machine die draait zonder bestuurder.
Welke taak noteer je vandaag?
Vandaag en morgen doe je iets dat je al honderden keren deed. Zet er vanaf nu een streepje naast, elke keer. Vrijdag kijk je naar je lijstje, en het item met de meeste streepjes is je eerste automatisering. Meer heb je niet nodig om te beginnen, geen budget en geen tool-abonnement, alleen die lijst.
Voor wie verder wil: op deze site staat ook een stuk over marketingprocessen automatiseren, dat gaat specifiek over content en campagnes.
Schuift de grens op als agents beter worden?
De grens tussen “saai en waterdicht” en “slim en taalgericht” verschuift. Waar een AI-agent vorig jaar nog een aanvraag kon indelen, kan hij er dit jaar ook een onvolledige aanvraag van terugvragen, zonder dat jij erbij kijkt. Elk jaar wordt zo’n stap betrouwbaarder, en elk jaar schuift de plek waar jij een menselijke controle inbouwt een stapje verder naar achteren. Wie zijn processen nu netjes op een rij heeft, kan die stap elk moment zetten; wie zijn werk in zijn hoofd heeft zitten, moet telkens opnieuw beginnen.