De architectuur van je bedrijf bepaalt hoe ver je kunt komen met AI. Zonder de juiste onderliggende structuur – denk aan data, systemen en processen – blijft elk AI-project steken in losse experimenten. Een nieuwe aanpak van Fast Company biedt een 90-dagenplan om die basis op orde te krijgen, ook als je geen eigen IT-afdeling hebt.

Wat er aan de hand is

Fast Company publiceerde een stappenplan voor het bouwen van een enterprise-architectuur die AI veilig, snel en op schaal mogelijk maakt. Het plan is oorspronkelijk geschreven voor grote organisaties met dedicated IT-teams, maar de principes zijn vertaalbaar naar het MKB. De kern: voordat je AI inzet, moet je weten welke data je hebt, hoe die stroomt en waar de knelpunten zitten. Zonder die basis wordt AI een dure gok in plaats van een strategische zet. Het artikel benadrukt dat architectuur niet gaat over technologie alleen, maar over het verbinden van bedrijfsprocessen met data en systemen.

Wat dit betekent

Voor de meeste MKB-ondernemers is ’enterprise-architectuur’ een term die bij grote corporates hoort. Maar de onderliggende boodschap is direct relevant: als je niet weet welke klantgegevens je waar opslaat, of hoe je facturatie- en voorraadsystemen met elkaar praten, dan kun je AI niet effectief inzetten. Een chatbot die klantvragen beantwoordt, werkt alleen als hij toegang heeft tot actuele orderdata. Een AI die voorraad voorspelt, heeft historische verkoopcijfers nodig uit één betrouwbare bron. Het 90-dagenplan dwingt je om die fundamenten te leggen, wat voorkomt dat je straks dubbel werk doet of data uit verschillende systemen handmatig moet samenvoegen.

Hoe je dit kunt toepassen

Als je een webshop runt met losse systemen voor voorraad, facturatie en marketing. Je zou kunnen beginnen met een data-inventarisatie: maak een lijst van alle systemen die je gebruikt en noteer welke klant- en productdata ze bevatten. Een mogelijkheid is om in week één een eenvoudige spreadsheet te maken met per systeem de belangrijkste datavelden. Overweeg om in week twee te checken of er dubbele of tegenstrijdige data ontstaat, bijvoorbeeld doordat een klantadres in je webshop anders is dan in je boekhoudpakket. Dit inzicht is de basis voor elke AI-toepassing.

Als je een team aanstuurt zonder technische achtergrond. Je zou het 90-dagenplan kunnen gebruiken als gespreksstarter met je boekhouder, je marketingmedewerker en je logistiek verantwoordelijke. Een optie is om elke twee weken een half uur in te plannen om samen één proces door te lopen: hoe gaat een bestelling van binnenkomst tot verzending? Overweeg om daarbij te noteren waar handmatige stappen zitten, zoals het overtypen van adressen of het handmatig bijwerken van voorraadstanden. Die handmatige stappen zijn precies de plekken waar AI later waarde kan toevoegen.

Als je overweegt een AI-tool aan te schaffen, zoals een chatbot of een voorspellingsmodel. Een praktische eerste stap is om de data-eisen van die tool te vergelijken met wat je nu hebt. Je zou kunnen vragen: heeft de tool realtime toegang nodig tot mijn voorraadsysteem, of werkt hij met een dagelijkse export? Een mogelijkheid is om in week drie een testomgeving op te zetten met een subset van je data, bijvoorbeeld alleen de top 10 producten. Overweeg om pas in week zes te beslissen of je de tool breder uitrolt, nadat je hebt gezien of de data-kwaliteit voldoende is.

Als je werkt met meerdere vestigingen of locaties. Je zou kunnen beginnen met het standaardiseren van één proces, bijvoorbeeld hoe elke vestiging een bestelling registreert. Een optie is om in week vier een korte instructie te maken met vaste velden en formaten, zodat data straks overal hetzelfde binnenkomt. Overweeg om die instructie te testen bij één vestiging voordat je hem uitrolt. Dit lijkt misschien een kleine stap, maar het is de basis voor elke AI die later vestigingsdata moet vergelijken of combineren.

Bron: Fast Company