Het winnen van een tender voor een zorgdataplatform door Conclusion laat zien dat de echte AI-winst niet zit in losse chatbots, maar in het slim organiseren van data. Voor MKB-ondernemers betekent dit dat je geen dure consultants nodig hebt om met AI aan de slag te gaan: het begint met het structureren van je eigen data.

Wat er aan de hand is

IT-dienstverlener Conclusion heeft een aanbesteding gewonnen van Glia Diagnostiek IT, een samenwerkingsverband van Amsterdam UMC, OLVG Lab en GGD Amsterdam. Het contract, met een waarde van circa 3,5 miljoen euro voor zes jaar, omvat de realisatie en het beheer van een open en modulair digitaal platform waarin diagnostische data van verschillende laboratoria wordt samengebracht. Het platform gebruikt openEHR, een open standaard voor het opslaan en uitwisselen van elektronische gezondheidsgegevens, en is cloud-agnostisch ontworpen om vendor lock-in te beperken. In de eerste fase krijgen zorgverleners een completer patiëntbeeld; later krijgen ook patiënten toegang tot hun diagnostische gegevens.

Dit voorbeeld staat niet op zichzelf. Digital partner Incentro kondigde tegelijkertijd aan zijn volledige dienstverlening in het teken van agentic AI te zetten, met kant-en-klare agents voor orderverwerking, klantenservice en offerteprocessen. De rode draad: AI wordt pas echt waardevol als de onderliggende data goed georganiseerd is.

Wat dit betekent

Voor het MKB is de les helder: de grootste AI-kansen liggen niet bij het implementeren van een chatbot, maar bij het ontsluiten van data die verspreid zit over verschillende systemen. Net zoals Conclusion diagnostische data uit verschillende laboratoria samenbrengt, kun jij data uit je eigen bedrijfsprocessen bundelen. Denk aan ordergegevens uit je webshop, voorraadcijfers uit je magazijnbeheersysteem en klantvragen uit je helpdesk. Zolang die data in aparte silo’s zit, kan AI er weinig mee. Het platform dat Conclusion bouwt, is open en modulair: precies de principes die ook voor een klein bedrijf werken. Je hoeft niet meteen miljoenen te investeren. Het gaat om de aanpak: kies open standaarden, voorkom dat je vast komt te zitten aan één leverancier, en bouw stap voor stap.

Hoe je dit kunt toepassen

Als je een webshop runt met meerdere verkoopkanalen, dan heb je waarschijnlijk orderdata in je webshop, voorraadgegevens in een apart systeem en klantvragen in een helpdesk. Een mogelijkheid is om deze data eerst te centraliseren in een eenvoudige database of spreadsheet, voordat je overweegt AI in te zetten. Je zou kunnen beginnen met het koppelen van je voorraadsysteem aan je webshop, zodat je automatisch kunt zien welke producten bijna uitverkocht zijn. Dat is de eerste stap richting een AI die zelfstandig bestellingen plaatst bij leveranciers.

Als je een team aanstuurt dat veel handmatige administratie doet, zoals het verwerken van offertes of facturen, dan kun je kijken naar de aanpak van Incentro. Zij bieden kant-en-klare AI-agents voor orderverwerking en offerteprocessen. Een optie is om te inventariseren welke terugkerende taken veel tijd kosten, zoals het controleren van facturen of het opstellen van standaardoffertes. Overweeg om voor één van die taken een eenvoudige automatisering op te zetten, bijvoorbeeld met een tool die data uit e-mails haalt en in je CRM plaatst. Dat is een laagdrempelige manier om te ervaren hoe AI je werk kan verlichten, zonder dat je meteen een hele afdeling hoeft te herontwerpen.

Als je in de zorg of een andere sector met gevoelige data werkt, dan is het voorbeeld van Conclusion extra relevant. Het platform gebruikt openEHR, een open standaard, en is cloud-agnostisch. Dat betekent dat je niet vastzit aan één leverancier. Een mogelijkheid is om bij de aanschaf van nieuwe software altijd te vragen of het systeem open standaarden ondersteunt en of je data eenvoudig kunt exporteren. Zo voorkom je dat je over een paar jaar vastzit in een duur contract, precies zoals Conclusion met het zorgplatform doet.

Als je een klein productiebedrijf hebt, bijvoorbeeld in de elektronica of printplaatindustrie, dan kun je leren van de strategische keuzes die grotere spelers nu maken. Volgens onderzoek van ABN Amro moeten EMS-bedrijven hun productieprocessen aanpassen nu complexe elektronica aan belang toeneemt. Een optie is om te beginnen met het digitaliseren van één productielijn: verzamel data over doorlooptijden, defecten en machinegebruik. Zodra die data op één plek staat, kun je eenvoudig patronen ontdekken en voorspellen wanneer onderhoud nodig is. Dat is de basis voor een AI die zelfstandig productieprocessen optimaliseert.

Bron: Computable