Hoe AI het mkb verandert
Verslag van de presentatie van Philip Gast (AI Foundry) over Hoe AI het mkb verandert tijdens een gisteren gehouden bijeenkomst van Meer Business Amsterdam.
Wat bij mij is blijven hangen:
AI is geen nieuw idee: de term bestaat al sinds 1956, toen onderzoekers op een conferentie bij Dartmouth College het vakgebied vormgaven. De logica erachter sluit aan op het werk van Alan Turing in de Tweede Wereldoorlog. Om de Duitse Enigma machine-codes te kraken, was het aantal mogelijke combinaties te groot om met mensen te testen. Turing bouwde daarom een machine die razendsnel varianten kon proberen. Dat idee—machines inzetten voor berekeningen en patronen die mensen niet kunnen overzien—ligt ook onder moderne AI.
AI moet je zien als een wetenschap, vergelijkbaar met natuurkunde, met deelgebieden zoals machine learning en deep learning. Machine learning leert patronen uit data; deep learning gebruikt complexere netwerken die geïnspireerd zijn op het menselijk brein. In “leren” onderscheid je grofweg twee smaken. Bij supervised learning geef je voorbeelden mét het juiste antwoord (bijvoorbeeld heel veel auto’s met kenmerken én verkoopprijs), zodat het systeem leert welke combinaties leiden tot welke uitkomst. Bij unsupervised learning ontbreekt zo’n label; het systeem zoekt zelf structuur, zoals het groeperen van Lego-steentjes op kleur of vorm.
Een belangrijke verschuiving: vroeger was AI vooral haalbaar voor grote bedrijven met netjes gestructureerde data (databases, datawarehouses, Excel-achtige tabellen). Veel mkb’ers hadden die basis niet. Met taalmodellen zoals ChatGPT wordt de drempel lager, omdat je ook met “tekst-werk” kunt beginnen.
De kernles voor organisaties: start niet met “we moeten iets met AI”, maar met de bottleneck in je proces. Technologie pushen werkt vaak slecht; mensen haken af als het voelt als “weer een tool”. Zie AI liever als een slimme stagiair: een vage opdracht levert rommel op, een extreem concrete opdracht levert bruikbaars op. Waarde zit bovendien niet alleen in tijdsbesparing, maar ook in klanttevredenheid, medewerkertevredenheid en consistente kwaliteit (bijvoorbeeld standaardregels voor e-mails).
Praktijkvoorbeeld: een autodealer had geen inzicht in sales omdat niemand het CRM invulde. In plaats van een nieuw systeem door te drukken, werd het proces omgedraaid: verkopers kregen na een afspraak automatisch een kort belletje met enkele vragen; later ontvingen ze een samenvatting ter bevestiging die in het CRM kon. Resultaat: wél data, wél inzicht, zonder extra frustratie. Tot slot: AI verlaagt ook de drempel om een start-up te beginnen—pitchdeck, onderzoek en eerste concepten zijn sneller te maken—al zegt dat nog niets over hogere slagingskansen.
N.B. De tekst is deels AI-gegenereerd en niet geverifieerd door de spreker. Ik kan er dus niet helemaal voor instaan dat deze weergave recht doet aan zijn presentatie. Maar denk het wel.
