Strava laat betalende sporters sinds deze week chatten met hun eigen sportdata via een MCP (Model Context Protocol). Dat is een technische brug die een AI toegang geeft tot een databestand. Voor ondernemers is dit principe direct toepasbaar: je kunt eigen bedrijfsdata – zoals verkoopcijfers, voorraadstanden of productiviteitsstatistieken – via een MCP aan een AI koppelen en er vragen over stellen in gewone taal. Geen programmeerkennis nodig.

Wat er aan de hand is

Strava, de populaire sporttracker-app, heeft een MCP gepubliceerd voor betalende abonnees. Via deze koppeling kunnen gebruikers met Claude, een chatbot van AI-bedrijf Anthropic, vragen stellen over hun sportprestaties. Denk aan: ‘Hoe ontwikkelt mijn uithoudingsvermogen zich over het afgelopen halfjaar?’ of ‘Wat is het effect van krachttraining op mijn looptijden?’ De AI doorzoekt de data en geeft antwoord in natuurlijke taal.

Volgens Strava is de stap zowel een uitbreiding van hun dienstverlening – van tracker naar trainer – als een defensieve zet. Het bedrijf schrijft op een ontwikkelaarspagina dat AI-bots massaal data schraapten. Daarom krijgen grootzakelijke gebruikers nu alleen tegen betaling toegang tot de API. Gratis toegang is verleden tijd voor nieuwe gebruikers. Strava telt inmiddels 241.000 API-ontwikkelaars, tegen 185.000 een jaar eerder.

Wat dit betekent

Het nieuws laat zien dat MCP’s volwassen worden. Waar dit protocol eerder vooral in tech-kringen werd besproken, brengt Strava het nu naar een breed consumentenpubliek. Voor ondernemers betekent dit dat de drempel om eigen data aan een AI te koppelen lager wordt dan ooit.

Het principe is simpel: een MCP is een gestandaardiseerde verbinding tussen een databron (je verkoopcijfers, voorraad, urenregistratie) en een AI-model. Je hoeft geen API te bouwen, geen code te schrijven. Je sluit de data aan en kunt vragen stellen. Dit opent de deur naar analyses die voorheen alleen weggelegd waren voor bedrijven met data-analisten of BI-tools.

Vooral voor het MKB is dit relevant. Veel ondernemers hebben data, maar niet de tijd of kennis om er structureel inzichten uit te halen. Een MCP-koppeling kan dat gat dichten.

Hoe je dit kunt toepassen

Als je een webshop runt met verkoopdata in Excel of een CRM. Je zou een MCP kunnen inzetten om je maandelijkse verkoopcijfers te koppelen aan een AI. Vraag dan bijvoorbeeld: ‘Welke productcategorie groeit het snelst deze zomer?’ of ‘Zie ik een seizoenspatroon in mijn retourzendingen?’ De AI doorzoekt de data en geeft antwoord zonder dat je zelf grafieken hoeft te maken. Een optie is om te beginnen met een export van je data naar een eenvoudig bestand en dat via een MCP-tool aan te sluiten.

Als je een team aanstuurt en productiviteitsdata bijhoudt. Overweeg om je urenregistratie of projectmanagementdata te koppelen. Stel vragen als: ‘Welke medewerker heeft de meeste overuren gedraaid in het afgelopen kwartaal?’ of ‘Zie ik een verband tussen projectduur en teamgrootte?’ De AI kan patronen herkennen die je misschien over het hoofd ziet. Je zou kunnen starten met een proefperiode van een maand om te ervaren of de inzichten meerwaarde bieden.

Als je in de logistiek werkt met voorraad- of orderdata. Een MCP-koppeling kan helpen bij het analyseren van piekmomenten. Vraag bijvoorbeeld: ‘In welke maand hebben we de meeste spoedorders gehad?’ of ‘Welk product ligt het langst op voorraad?’ Dit soort vragen beantwoorden zonder handmatig door spreadsheets te gaan bespaart tijd. Een mogelijkheid is om eerst één databron aan te sluiten, zoals je inkooporders, en van daaruit uit te breiden.

Als je financiële data bijhoudt voor je bedrijf. Je zou je omzet- en kostendata kunnen koppelen. Stel vragen als: ‘Wat is mijn gemiddelde winstmarge per kwartaal?’ of ‘Welke kostenpost stijgt het hardst?’ De AI kan trends zichtbaar maken zonder dat je zelf formules hoeft te bouwen. Overweeg om te beginnen met een export van je jaarcijfers en te testen of de antwoorden kloppen met je eigen analyse.

Bron: Emerce