AI Strategie

Welke taak automatiseer je als eerste? Een test in vijf vragen

Veel mkb-bedrijven kiezen hun eerste AI-taak op gevoel. Deze test van vijf vragen scoort je kandidaten in een half uur en wijst de beste eerste taak aan.

AI WorkTalent Redactie · 31 juli 2026 · 11 min leestijd

Veel mkb-bedrijven kiezen hun eerste AI-taak op gevoel. Bijvoorbeeld iets waar een collega toevallig over hoorde, een tool die voorbijkwam op LinkedIn, of het proces dat op dat moment het hardst piept — geen van die redenen zegt iets over of de taak zich ook leent voor automatisering. Dit artikel geeft een concrete test: vijf vragen, geen ingewikkelde methodiek. Daarmee scoor je in een half uur je eigen kandidaten en haal je de beste eruit. Pak pen en papier of de tabel verderop, vul hem in voor je eigen kandidatenlijst, en aan het eind van dit artikel heb je een antwoord in plaats van een onderbuikgevoel.

Waarom "op gevoel kiezen" meestal misgaat

De taak waarover het hardst wordt geklaagd, is zelden de taak die zich het beste leent. Een medewerker die drie keer per week moppert over een vervelend klusje, valt op. Toch zegt irritatie niets over hoe vaak iets voorkomt, hoe eenduidig het is, of wat er misgaat als een systeem het overneemt. Andersom geldt hetzelfde: een taak die niemand ooit ter sprake brengt, kan alsnog de beste kandidaat zijn, simpelweg omdat hij aan alle voorwaarden voldoet. Een test dwingt je voorbij de eerste indruk te kijken naar vijf eigenschappen die er echt toe doen, en die vijf vragen staan hieronder.

De test: vijf vragen per kandidaat

Maak eerst een lijst van drie tot vijf taken die volgens jou of je team in aanmerking komen. Beantwoord voor elke taak de volgende vijf vragen zo eerlijk mogelijk — niet zoals je zou willen dat het antwoord is, maar zoals de situatie er nu echt uitziet.

Vraag 1: Hoe vaak komt het voor?

Automatiseren of laten inrichten kost altijd tijd, en meestal ook geld — bouwen, testen, en later onderhouden. Die investering verdien je alleen terug als de taak vaak genoeg terugkomt. Iets dat één of twee keer per maand gebeurt, verdient de moeite zelden: een vast sjabloon of een checklist doet daar hetzelfde werk voor een fractie van de moeite. Vuistregel: wekelijks of vaker is een goed signaal. Komt het maandelijks of minder voor, zoek dan liever een grotere versie van de taak. Een uitzondering is werk dat weinig voorkomt maar veel uren kost; dat kan zich alsnog terugverdienen. Reken de bespaarde tijd waar mogelijk om in euro's voordat je verder gaat; zie hoe je de ROI van een AI-investering berekent.

Vraag 2: Hoe eenduidig is het?

Kun je in een paar zinnen uitleggen wanneer het resultaat goed is? Zo simpel is de test: leg de taak uit aan een nieuwe collega. Vraag vervolgens of die aan de hand van jouw uitleg zelf zou herkennen of een uitkomst klopt. Lukt dat, dan is de taak eenduidig genoeg. Is je antwoord "dat zie je gewoon" of "dat hangt ervan af", dan kun je de uitkomst van een systeem ook niet controleren. Een taak waarvan je de kwaliteit niet kunt beoordelen, kun je dan ook niet zonder toezicht laten draaien. Merk je dat je het lastig vindt om de regel op te schrijven, dan is het eerste project niet automatisering, maar het proces zelf vastleggen.

Vraag 3: Wat gebeurt er als het fout gaat?

Twee dingen tellen hier: of je een fout merkt, en of je hem kunt herstellen. Een conceptmail die net niet klopt, valt op voordat je hem verstuurt, en is in een paar seconden gecorrigeerd — laag risico. Een verkeerd gecodeerde factuur komt aan het licht bij de eerstvolgende controle. Iets dat je pas na weken merkt, is riskant — ook als de kans op een fout klein is. Denk aan een afgewezen sollicitant die eigenlijk geschikt was, of een klant die is afgehaakt na een matig antwoord. Beoordeel dus niet alleen hoe vaak het misgaat, maar vooral hoe snel je het ziet en hoe makkelijk je het rechtzet.

Vraag 4: Bestaat de informatie al ergens digitaal?

Automatisering werkt met wat er al is — een systeem, een spreadsheet, een digitaal formulier. Zit de kennis in de hoofden van een paar ervaren mensen of op papier in een ordner, dan begin je aan het verkeerde project. Eerst moet je die kennis namelijk expliciet en digitaal vastleggen, en dat is vaak een groter en ander karwei dan de automatisering zelf. Een planner die op gevoel weet welke monteur bij welke klus past, heeft dat inzicht nooit ergens opgeschreven — zonder die brondata is er simpelweg niets om op te bouwen. Gaat het om klant- of persoonsgegevens, dan speelt meteen ook de vraag waar die gegevens mogen staan en wie erbij mag; zie wat de AVG in de praktijk van je vraagt.

Vraag 5: Wil de persoon die het nu doet ervan af?

Deze vraag sla je het vaakst over, en toch is ze misschien wel de belangrijkste. Een taak die iemand met plezier doet, bevat vaak precies het onderdeel dat de waarde levert — een persoonlijke toon, een vakkundig oordeel, het soort aandacht dat een klant voelt. Automatiseer je die taak toch, dan haal je precies dat onderdeel weg, en is het resultaat vaak minder goed dan de handmatige versie. Denk aan de oprichter die zelf graag de nieuwsbrief schrijft: technisch prima te automatiseren, maar de reden dat klanten hem lezen is juist die eigen stem. Zoek in plaats daarvan de taak waar niemand voor opstaat om hem te verdedigen. Dat is de taak waar automatisering zonder weerstand landt, en waar je meteen iemands werkdag verbetert.

De scoretabel: vergelijk je kandidaten

Geef elke vraag per kandidaat 0, 1 of 2 punten en tel ze op. Een hogere score betekent een sterkere eerste kandidaat.

• Vraag 1 — Volume: 0 = zelden (hooguit een paar keer per maand), 1 = regelmatig (wekelijks), 2 = vaak (dagelijks of meerdere keren per dag).
• Vraag 2 — Eenduidig: 0 = nee, vraagt telkens opnieuw beoordeling, 1 = grotendeels, met uitzonderingen, 2 = volledig, uit te leggen als vaste regel.
• Vraag 3 — Foutgevolg: 0 = merk je niet of moeilijk te herstellen, 1 = merk je met vertraging, wel te herstellen, 2 = direct zichtbaar en makkelijk te herstellen.
• Vraag 4 — Data digitaal: 0 = zit in hoofden of op papier, 1 = deels digitaal en verspreid, 2 = volledig digitaal op één plek.
• Vraag 5 — Wil ervan af: 0 = nee, doet het met plezier, 1 = neutraal, 2 = ja, is er liever vanaf.

Print of kopieer onderstaande tabel en vul per kandidaat je eigen scores in.

Duiding van de einduitslag: 8 tot 10 punten is een sterke kandidaat — begin hiermee. 5 tot 7 punten is een twijfelgeval — mogelijk bruikbaar als je eerst het zwakste punt aanpakt, bijvoorbeeld het proces vastleggen of de data bundelen. 0 tot 4 punten laat je voorlopig liggen; kies een andere kandidaat of werk eerst aan het onderliggende gebrek.

Een praktijkvoorbeeld: drie kandidaten getest

Een webwinkel met acht medewerkers overweegt drie taken om als eerste te automatiseren: retourvragen beantwoorden, klachten over te late leveringen afhandelen, en reacties plaatsen op Google- en Trustpilot-reviews. De eigenaar loopt alle drie langs de vijf vragen.

Retourvragen wint met tien van de tien punten: ze komen dagelijks meerdere keren voor, het retourbeleid is een vaste regel, en iemand controleert een conceptantwoord voor verzending. Bovendien staan alle gegevens al in het bestelsysteem, en vinden de medewerkers die het nu doen het saai administratief werk. Reviews beantwoorden is een twijfelgeval: het komt minder vaak voor en niet elke review volgt hetzelfde patroon, dus dat wordt de tweede stap, niet de eerste. Klachten over te late leveringen zakt naar twee van de tien: elke klacht is anders, en een verkeerd afgehandelde klacht merk je vaak pas als de klant al is afgehaakt. Bovendien pakt de medewerker die dit doet, juist de lastige gevallen liever zelf op. Voor deze webwinkel is retourvragen dus de eerste taak — niet omdat hij het meest opviel, maar omdat hij op alle vijf de punten sterk scoort.

Drie typische kandidaten die de test doorstaan

Los van het voorbeeld hierboven zijn dit drie taken die bij vrijwel elk mkb-bedrijf goed scoren, en waarom.

• Bonnetjes en facturen coderen in de boekhouding. Komt bij de meeste bedrijven wekelijks of vaker voor en volgt vaste regels (welk kostentype, welke btw, welke kostenplaats). Een fout valt op bij de eerstvolgende controle of het maandoverzicht, de gegevens staan al in het boekhoudsysteem, en het is zelden iemands favoriete onderdeel van de dag.
• Terugkerende klantvragen beantwoorden met een conceptantwoord. Verzendstatus, retourbeleid, openingstijden, garantievoorwaarden — dit soort vragen komt vaak voor, en het juiste antwoord staat vast. Iemand leest een concept voordat hij het verstuurt, de informatie staat al digitaal, en het is voor de meeste klantenservice-medewerkers het minst interessante deel van hun werk.
• Sollicitaties voorfilteren op harde, objectieve eisen. Rijbewijs, een vereist certificaat, beschikbaarheid vanaf een bepaalde datum — bij veel sollicitaties komt dit vaak voor, en de regel is volledig eenduidig (voldoet wel of niet). Een mens beoordeelt de overgebleven kandidatenlijst alsnog, de gegevens staan in het sollicitatieformulier, en een recruiter is meestal blij als dit voorselectiewerk wegvalt, zolang de echte beoordeling bij hem blijft. Let hier wel op de grens. Een vast filter dat alleen een ja-of-nee-regel toepast, is geen AI-systeem in de zin van de AI-verordening. Bouw je die voorselectie met een taalmodel dat kandidaten beoordeelt of rangschikt, dan val je onder Bijlage III, punt 4: werving en selectie is een hoog-risicotoepassing, met verplichtingen vanaf 2 december 2027.

Drie kandidaten die er goed uitzien, maar zakken

Dit is het eerlijke deel: drie taken die op het eerste gezicht net zo aantrekkelijk lijken, maar bij nadere toetsing afvallen — en waarom dat precies de bedoeling van de test is.

• Cv's en motivatiebrieven inhoudelijk beoordelen. In tegenstelling tot het objectieve voorfilteren hierboven, is dit juist de stap waar oordeel om de hoek komt kijken: wat een "goede" kandidaat maakt, is zelden hard te omschrijven, en dus ook niet te controleren. Erger nog: zo'n fout merk je meestal nooit. Denk aan een geschikte kandidaat die je ten onrechte afwijst — die persoon solliciteert dan gewoon ergens anders. Precies daarom scoort deze taak laag op vraag 2 en vraag 3.
• Klachten en escalaties afhandelen. Het volume is er vaak wel, en de tijdswinst lijkt aanlokkelijk. Maar iedere klacht is anders — toon, geschiedenis, wat er eerder is beloofd — waardoor je vooraf niet kunt vastleggen wanneer een reactie "goed" is. En een fout hier merk je zelden meteen: een klant die zich niet gehoord voelt, vertrekt stil of laat pas weken later een negatieve review achter. Tegen de tijd dat je het ziet, is het al te laat om het simpel te herstellen.
• De nieuwsbrief of social content die de oprichter zelf schrijft. Vaak hoog volume, en op papier prima te automatiseren. Toch is dit een slechte eerste kandidaat, want de oprichter doet dit vaak juist graag, en de eigen stem is precies waarom klanten het lezen. Automatiseer je dit als eerste, dan lever je de waarde in die je probeerde te winnen, en ontmoet je bovendien weerstand van de persoon die het liefst zelf aan het roer blijft.

Waarom je met één taak begint, en niet met drie tegelijk

Ook als er drie kandidaten met een hoge score op je lijst staan, begin je er maar één. Aandacht en tijd om te begeleiden, te testen en bij te sturen zijn beperkt. Verdeel je die over drie taken tegelijk, dan krijgt geen van de drie genoeg aandacht om goed te landen. Meten wordt bovendien lastig: verandert er op drie plekken tegelijk iets, dan weet je niet welke verbetering, of welk probleem, bij welke taak hoort. En één zichtbaar, bewezen succes overtuigt een team sneller dan drie halfafgeronde experimenten — mensen geloven een resultaat, geen aankondiging.

Zodra de eerste taak zich heeft bewezen, gebruik je dezelfde vijf vragen opnieuw voor de volgende kandidaat op je lijst. Voor de uitvoering van de gekozen taak zelf helpt dit stappenplan voor AI in het mkb, en voor de keuze of je dat zelf bouwt of uitbesteedt deze afweging tussen zelf doen en uitbesteden.

Als geen enkele kandidaat de test doorstaat

Dat gebeurt, en het is een geldige uitkomst — geen falen van de test, maar precies waar hij voor bedoeld is. Vooral kleinere bedrijven met weinig herhalend werk, of bedrijven waar veel kennis nog in hoofden en op papier zit, komen soms uit op drie kandidaten die allemaal onder de vijf punten scoren. Forceer dan niet de hoogst scorende afvaller alsnog naar voren.

Kijk in plaats daarvan wat het losse gebrek is bij je beste-van-het-slechte kandidaat. Is het vraag 2, dan leg je eerst het proces vast en de bijbehorende uitzonderingen. Is het vraag 4, dan breng je eerst de data op orde voor die ene taak. Dat werk betaalt zich sowieso terug, met of zonder automatisering erbovenop, en na een paar maanden herhaal je de test. Of je concludeert dat automatisering nu simpelweg niet de meest waardevolle volgende stap is voor je bedrijf. Dat is, hoe onbevredigend ook, een eerlijker antwoord dan een project beginnen dat toch vastloopt.

Vijf vragen, een half uur, en een score in plaats van een gevoel: dat is alles wat nodig is om je eerste AI-taak te kiezen. Twijfel je over je eigen scores, of wil je hulp bij de uitvoering van de kandidaat die wint, dan denken de specialisten op AI WorkTalent met je mee.