Er worden op dit moment twee verhalen over AI-automatisering aan bedrijven verteld, en die zijn bijna niet van elkaar te onderscheiden voordat je het contract tekent.
Het eerste verhaal is echt. AI-automatisering, goed uitgevoerd, haalt per medewerker per week uren aan repetitief werk weg, tegen volledig doorberekende kosten die slechts een fractie zijn van de arbeid die ermee wordt vervangen, met resultaten die meetbaar even goed of beter zijn dan de menselijke basislijn.
Het tweede verhaal is theater. Een LLM gekoppeld aan een dashboard, een Slack-melding en een demovideo waarin iets indrukwekkends gebeurt. Achter de schermen doet hetzelfde team nog steeds hetzelfde werk — vaak met een extra stap om "de output van de AI te beoordelen." In de pitchdeck staat automatisering. De operationele realiteit is een langere workflow.
In een voorstel zien die twee er bijna identiek uit. Dit zijn de vier tests die het verschil maken.
Test 1: Verwijdert het een taak of voegt het toezicht toe?
Echte automatisering haalt de mens uit een stap van de workflow. Theater voegt een mens toe als beoordelaar van de output van een AI.
De vraag die je moet stellen: zal het team na livegang van dit systeem minder uren per week aan deze taak besteden, of meer? Als het eerlijke antwoord is: "ongeveer hetzelfde, maar met een copiloot," dan wordt je theater verkocht. Als het antwoord is: "de helft minder uren, omdat de AI gevallen X, Y en Z zonder beoordeling afhandelt," dan wordt je echte automatisering verkocht.
Copilots hebben waarde — ze zijn niet oneerlijk. Maar ze zijn geen automatisering. Ze zijn ondersteuning. Verwar die twee niet op je P&L.
Test 2: Is er een fallback als de AI faalt?
Elk AI-systeem in productie faalt. Soms zelden, soms vaak, maar uiteindelijk altijd. Echte automatisering is ontworpen met een expliciete faalmodus: wat gebeurt er wanneer het vertrouwen van het model laag is, wanneer de input niet overeenkomt met de training, wanneer de API van een derde partij verandert.
De systemen die bedrijven in 2026 stilletjes geld besparen, hebben drie dingen gemeen: ze loggen elke beslissing, ze sturen onzekere gevallen naar een mens voordat er iets wordt verzonden, en ze hebben een specifieke persoon die eigenaar is van de retrainingscyclus wanneer de nauwkeurigheid afwijkt.
De systemen die bedrijven stilletjes geld kosten, hebben geen van die drie. Ze falen geruisloos. Fouten stapelen zich op. Wekenlang merkt niemand het. De ogenschijnlijke besparingen verdwijnen in herstelwerk.
Test 3: Is de ROI meetbaar in een concreet getal?
Echte automatiseringsprojecten kunnen je vóór de start een concreet getal laten zien: bespaarde uren per week, lagere kosten per taak, throughput vermenigvuldigd met X. Theaterprojecten laten je demo's zien.
Als een voorstel geen antwoord kan geven op de vraag: "wat verandert dit concreet aan onze operationele kosten, gemeten in uren of euro's, in het volgende kwartaal?", dan is het voorstel geen businesscase. Het is een technologiepreview.
Test 4: Raakt de automatisering de echte bottleneck?
De meeste bedrijven hebben één of twee operationele bottlenecks die de omzet echt beperken. Automatisering die ergens anders wordt toegepast dan op die bottlenecks voelt productief, maar verandert niets aan de omzet.
Benoem vóór je iets automatiseert de specifieke bottleneck. Als een voorstel daar niet expliciet naar verwijst, zal de automatisering ergens anders landen en activiteit opleveren zonder impact.
Onze aanpak
AI-automatisering en workflows bij KIMISUITE beginnen met de vier tests hierboven en eindigen met een werkend systeem dat zijn eigen prestaties rapporteert. Elke samenwerking begint met het benoemen van het specifieke proces, de specifieke bottleneck en de specifieke meetbare uitkomst. Wij leveren geen AI die alleen "helpt." Wij leveren AI die een taak uit de wekelijkse werklast van het team haalt — en we bewijzen dat met cijfers voordat we de samenwerking als afgerond beschouwen.
Wij bouwen automatiseringen die op drie betrouwbaarheidsniveaus werken: full auto (gevallen met hoge betrouwbaarheid worden zonder beoordeling afgehandeld), assisted (gevallen met gemiddelde betrouwbaarheid worden aan een mens getoond met een voorgesteld antwoord) en escalated (gevallen met lage betrouwbaarheid worden naar een wachtrij gestuurd). Elk geval wordt gelogd. Elke afwijking wordt gemonitord. Elk kwartaal heeft een retrainingscadans.
Veelgestelde vragen
Welke soorten processen zijn de moeite waard om te automatiseren?
Repetitief, gestructureerd en met hoog volume. Verrijking van salesleads, categorisatie van facturen, triage van klant-e-mails, contentmoderatie, eerste documentbeoordeling — allemaal veelvoorkomende successen. Eenmalig creatief werk is dat zelden.
Gebruiken jullie OpenAI, Anthropic of iets anders?
We kiezen per project, op basis van het specifieke profiel voor nauwkeurigheid, kosten, latency en gegevensverwerking. We zijn niet gebonden aan één enkele leverancier.
Hoe zit het met gegevensprivacy?
Voor de meeste trajecten kunnen we AI-calls via in de EU gehoste endpoints routeren of kleinere modellen on-premise draaien. AVG en sectorspecifieke privacyvereisten worden vanaf dag één meegenomen, niet achteraf toegevoegd.
Kunnen jullie integreren met onze bestaande systemen?
Ja — meestal via KIMISUITE Connect. De AI doet het denkwerk; Connect regelt de koppelingen.
Conclusie
De markt voor AI-automatisering is luidruchtig. Het meeste is theater. Stel de vier vragen hierboven voordat je iets ondertekent, en je prikt door het grootste deel van de ruis heen.