71% op de rand

Van alle KMO's die AI gebruiken, zet slechts 29% het in voor kernactiviteiten (Eurostat 2025).

48% beginner

Bijna de helft van de Benelux-bedrijven zit op beginnersniveau qua AI-adoptie (PwC Belgium 2025).

Na het lezen van dit artikel weet jij:

  • Waarom de meeste KMO's AI verkeerd inzetten (en wat de 10% kampioenen anders doen)
  • Welk type checklist je nodig hebt voor welk type AI-toepassing
  • De vier killer items die je moet checken voor je AI inzet voor een kernproces
  • Hoe je je team activeert zonder van bovenaf op te leggen

Dezelfde fout, ander domein

Chirurg Atul Gawande ontdekte iets verontrustends. In de operatiekamer stierven patiënten niet omdat artsen te weinig wisten. Ze vergaten toe te passen wat ze al wisten.

Zijn oplossing? Een checklist. Negentien items, drie pauzemomenten. Complicaties daalden met 36%. Sterftecijfers met 47%. Collega's lachten hem aanvankelijk uit. Tot de resultaten binnenkwamen.

Diezelfde dynamiek speelt zich af bij Belgische KMO's.

Stel: je overweegt een webshop te starten. Dan beantwoord je tien eerlijke vragen. Heb ik genoeg budget? Kan ik de logistiek aan? Is dit het juiste moment? Scoor je lager dan acht op tien? Dan is het advies: wacht. Dat is geen falen. Dat is nuchter nadenken.

Maar diezelfde ondernemer gooit ChatGPT open, laat een LinkedIn-post genereren, en noemt zichzelf een AI-gebruiker. Geen checklist. Geen pauzemomenten. Gewoon beginnen.

Niet onwetend, maar onoplettend

Gawande maakt in The Checklist Manifesto een onderscheid dat alles verklaart. Hij noemt het verschil tussen "errors of ignorance" (fouten omdat je het niet weet) en "errors of ineptitude" (fouten omdat je het weet maar vergeet, overslaat of verkeerd inzet).

Die 71% KMO's die AI alleen voor randtaken gebruiken? Die hebben geen kennisgebrek. De tools zijn beschikbaar. De informatie is er. ChatGPT, Claude, StoryChief: ze staan klaar.

Het zijn geen fouten van onwetendheid. Het zijn fouten van onoplettendheid. Precies het type falen waarvoor Gawande zijn checklist ontwierp.

En precies het type falen waartegen de webshop-checklist beschermt. Niemand denkt: "Logistiek? Nooit van gehoord." Maar in de opwinding van een nieuw idee vergeet je er wél over na te denken.

Twee soorten checklists, twee soorten beslissingen

Gawande beschrijft twee typen checklists die elk een ander doel dienen.

De READ-DO checklist volg je stap voor stap. Als een recept. Lees de stap, voer hem uit, vink af. De 30-minuten-contentworkflow uit editie #10 is hier een voorbeeld: open tool, geef prompt, bewerk output, plan in.

De DO-CONFIRM checklist werkt anders. Je doet het werk vanuit ervaring en geheugen. En dan stop je. Je pauzeert om te bevestigen dat je niets hebt overgeslagen.

De webshop-checklist is een klassieke DO-CONFIRM. Tien vragen, eerlijk beantwoorden, optellen, conclusie trekken. Je weet de antwoorden grotendeels al. De checklist dwingt je om te stoppen en te checken.

En daar zit de mismatch bij AI-adoptie.

KMO's hebben wel een READ-DO (hoe maak ik een social media post met AI?) maar missen de DO-CONFIRM die eraan vooraf moet gaan. De vraag "moet ik AI inzetten voor social media posts, of is er een kernproces waar het meer oplevert?" wordt nooit gesteld.

Omdat er geen checklist is die je dwingt om te pauzeren.

De killer items die niemand checkt

Daniel Boorman, Boeing's checklistexpert, leerde Gawande dat een goede checklist zich focust op "killer items". Dat zijn de stappen die het gevaarlijkst zijn om over te slaan. En die toch het vaakst worden vergeten.

Bij een webshop zijn die killer items helder. Zonder geschikt product is alles zinloos. Zonder tijd ben je kansloos. Zonder onderscheidend vermogen verlies je van Bol.com.

Bij AI-adoptie kent niemand de killer items. Maar de data wijzen ze aan.

MIT-onderzoekers ontdekten dat bedrijven die AI adopteren eerst een meetbare productiviteitsdaling ervaren. De zogeheten "J-curve": het wordt even slechter voor het beter wordt. Waarom? Omdat AI investeringen vereist in data-infrastructuur, training en aanpassing van werkprocessen.

Die complementaire stukken zijn de killer items. Zonder data, geen AI. Zonder procesaanpassing, geen resultaat. Zonder meting, geen bewijs dat het werkt.

Het activatiefenomeen

Een van de verrassendste ontdekkingen in Gawande's onderzoek: wanneer verpleegkundigen aan het begin van een operatie de kans kregen om hun naam te zeggen en zorgen te uiten, signaleerden ze significant vaker problemen. Onderzoekers noemden het het "activatiefenomeen". Het simpele feit dat iemand wordt uitgenodigd om te spreken, activeert betrokkenheid.

Accenture paste dit principe toe op bedrijfsschaal. 780.000 werknemers moeten voortaan actief AI gebruiken om in aanmerking te komen voor promoties. Het bedrijf monitort wekelijkse logins.

Maar er is een cruciaal verschil.

In Gawande's operatiekamers kregen verpleegkundigen een stem bij de juiste beslissingen. Niet bij willekeurige taken. Het activatiefenomeen werkt alleen als het gekoppeld is aan de momenten die ertoe doen.

Je team aanmoedigen om ChatGPT te gebruiken voor social media posts? Dat is geen activatie. Dat is afleiding. Je team uitnodigen om mee te denken over hoe AI de offerteberekening kan versnellen? Dát is activatie op de juiste plek.

Simpel, gecompliceerd en complex

Gawande leunt op het werk van complexiteitsonderzoekers Brenda Zimmerman en Sholom Glaberman. Zij onderscheiden drie soorten problemen.

Simpel: een recept volgen. Ken je de stappen, dan lukt het altijd. Een social media post genereren met AI valt hieronder. Een READ-DO checklist volstaat.

Gecompliceerd: een raket lanceren. Meer expertise nodig, meer variabelen, maar uiteindelijk herhaalbaar. Een webshop starten past hier. De DO-CONFIRM checklist met tien vragen is het juiste instrument.

Complex: een kind opvoeden. Elke situatie is anders, uitkomsten onzeker. AI inzetten voor je kernprocessen (offertes, orderverwerking, kwaliteitscontrole) is complex. Elke KMO is anders. De data is anders. De processen zijn anders.

Voor complexe problemen zijn checklists niet genoeg. Je hebt communicatiepunten nodig. Momenten waarop het team samenkomt, informatie deelt, en beslissingen neemt.

Gawande formuleert het als filosofie: duw de beslissingsbevoegdheid naar de periferie, weg van het centrum. Geef mensen ruimte om te handelen op basis van hun ervaring. Maar vraag ze wel om met elkaar te praten en verantwoordelijkheid te nemen.

Precies het tegenovergestelde van hoe de meeste KMO's AI implementeren.

Drie lagen checklist-denken voor AI

Wat als we Gawande's theorie, de webshop-checklist en de AI-adoptiecijfers samenvoegen? Dan ontstaat er een drielagenmodel.

Laag 1: de DO-CONFIRM (moet ik hier beginnen?)

Voordat je AI inzet voor wat dan ook, pauzeer je. Niet om te checken of AI bestaat. Maar om te bevestigen dat je het op de juiste plek inzet.

De vier killer items:

  1. Waar verlies ik elke week de meeste tijd? Niet "waar kan AI helpen?" maar "waar doet het het meeste pijn?"
  2. Heb ik data over dat proces? Zonder data geen AI. Punt.
  3. Kan ik het resultaat meten? "Het voelt sneller" is geen meting. Hoeveel minuten kostte een offerte vorige maand?
  4. Is mijn team bereid het werkproces aan te passen? Zonder procesaanpassing is de J-curve permanent.

Vier items. Op één pagina. Gefocust op de killer items. Precies zoals Gawande het voorschrijft.

Laag 2: de READ-DO (hoe doe ik het?)

Als je de DO-CONFIRM hebt doorstaan, volg je een READ-DO voor de implementatie. Stap voor stap, als een recept.

Voor een simpele taak als contentcreatie: open tool, geef prompt, bewerk, plan in. Precies zoals de workflow in editie #10 laat zien.

Voor een kernproces: identificeer het proces, documenteer de huidige stappen, test AI op de meest repetitieve stap, meet het verschil. Vergelijkbaar met hoe Zapier AI workflows automatiseert, maar dan voor jouw specifieke processen.

Laag 3: de communicatiepunten (wie praat wanneer?)

Voor complexe AI-toepassingen zijn checklists niet genoeg. Je hebt vaste momenten nodig waarop het team samenkomt. Niet om te controleren, maar om te delen: wat werkt, wat niet, wat moet anders.

Elke maandag tien minuten: "Wie heeft AI deze week ergens ingezet? Wat was het resultaat?" Het activatiefenomeen doet de rest.

Belgische context: waar staan we?

De cijfers voor België zijn helder. PwC Belgium toont dat 48% van de Benelux-bedrijven op beginnersniveau zit qua AI-adoptie. Dat is slechter dan het Europese gemiddelde van 37%. Slechts 2% ziet al echte financiële ROI.

Maar er is ook goed nieuws: 10% is wél AI-kampioen en haalt er meetbare resultaten uit. Die 10% doet iets anders. Ze beginnen niet bij marketing of chatbots. Ze beginnen bij hun dagelijkse operaties.

Twee Belgische regelingen die de meeste ondernemers nog niet aan AI koppelen:

  • • Digitale investeringsaftrek (20,5%): geldt ook voor AI-implementaties en consultancy rond digitalisering.
  • • KMO-portefeuille: subsidieert advies en opleiding rond AI-adoptie. Ideaal om een eerste analyse te laten uitvoeren zonder het volledige bedrag zelf te dragen.

Meer over hoe AI concreet werkt voor Belgische KMO's lees je op onze AI-pagina.

Voor wie dit niet werkt

Eerlijk zijn hoort erbij. Het drielagenmodel werkt niet als:

  • × Je team er niet klaar voor is. Geen enkel framework helpt als er weerstand is die je niet eerst bespreekbaar maakt.
  • × Je geen enkel proces hebt gedocumenteerd. AI kan geen chaos structureren. Begin dan eerst met het vastleggen van je werkwijze, zonder AI.
  • × Je verwacht dat het in een week resultaat oplevert. De J-curve is reëel. Reken op 3-6 maanden voor een kernproces.

In die gevallen is de slimste stap: begin met laag 1, beantwoord de vier vragen, en kijk wat er nodig is voor je überhaupt aan AI begint.

Conclusie

De 71% KMO's die AI alleen voor randtaken gebruiken, hebben geen tekort aan tools of informatie. Ze missen een pauze-knop. Een moment om te stoppen en te vragen: pas ik toe wat ik weet?

De webshop-checklist bouwt die pauze in voor e-commerce. Gawande's chirurgische checklist bouwt hem in voor de operatiekamer. Voor AI-adoptie bestaat die pauze niet. Tot nu.

Drie stappen voor maandagochtend

  1. 1.

    Print de vier DO-CONFIRM killer items uit. Beantwoord ze eerlijk. Scoor je minder dan drie op vier? Werk eerst aan je datahuishouding of meetbaarheid.

  2. 2.

    Kies je type. Simpel probleem? Volg een READ-DO recept. Complex kernproces? Bouw communicatiepunten in.

  3. 3.

    Plan elke maandag tien minuten in met je team: "Wie heeft AI deze week ergens ingezet?" Het activatiefenomeen doet de rest.

Waar levert AI het meeste op voor jouw KMO?

Boek een gratis AI Scan en we analyseren samen welke kernprocessen het meeste potentieel hebben.

Gratis AI Scan boeken

Elke woensdag een AI-tip die je direct kunt toepassen. Gratis, Belgisch, en zonder poespas.

Schrijf je in voor KMODigitaal

Gerelateerde content

Editie #10

AI voor Social Media met StoryChief

 Editie #7

Automatisering met Zapier AI

 Mailbox Blog

Moet ik als KMO een webshop starten? De eerlijke checklist

Bronvermelding