Ga naar de hoofdinhoud
Alle inzichten

AI-readiness voor het mkb: ontdekken waar u begint

Voordat een mkb-bedrijf AI adopteert, moet het weten waar het staat. Hoe maturiteitsmodellen en AI-readiness-scorecards werken, waarom voor een Italiaans mkb-bedrijf de beperking de strategie is en niet de infrastructuur, en met welke afdeling u het beste begint.

Methode 8 min leestijd
Bijgewerkt op Geschreven door het team van Innesti Digital
In dit artikel

De eerste vraag die bijna elk mkb-bedrijf zich over kunstmatige intelligentie stelt is „welke tool koop ik?”. Het is de verkeerde vraag, of beter: het is de tweede. De eerste is „waar staan we nu?”. Zonder dat antwoord is elke tool een gok — en de AI-projecten die in de eerste negentig dagen worden gestaakt, ontstaan bijna altijd hieruit: men begon bij de tool, niet bij het startpunt.

Het goede nieuws is dat „waar we staan” geen gevoel is: het wordt gemeten. Al jaren bouwen analisten en vendors modellen van AI-readiness — de gereedheid van een organisatie om AI op een nuttige en houdbare manier te adopteren. Het loont te begrijpen hoe ze werken, want voor een Italiaans mkb-bedrijf is het resultaat bijna altijd contra-intuïtief.

Twee manieren om AI-maturiteit te meten

De beoordelingsinstrumenten vallen in twee families, die op twee verschillende vragen antwoorden.

1. De maturiteitsmodellen: „in welk stadium zitten we, in het geheel”

Ze geven een gedeeld vocabulaire en een antwoord in één regel. Het AI-maturiteitsmodel van Gartner beschrijft vijf stadia: Awareness (occasioneel experimenteren, geen coördinatie), Active (eerste pilots, groeiende belangstelling van de directie), Operational, Systemic, tot Transformational (AI is verweven in de manier waarop het bedrijf functioneert).

De vijf stadia van AI-maturiteit — Gartner-model
  1. Awareness

  2. Active

  3. Operational

  4. Systemic

  5. Transformational

Bron: AI-maturiteitsmodel van Gartner. De meeste Italiaanse mkb-bedrijven bevinden zich tussen Awareness en Active: het doel is niet aan de top te komen, maar de juiste volgende stap te zetten.

Het maturiteitsframework van Deloitte gebruikt vijf vergelijkbare stadia, maar met een extra idee dat voor een mkb-bedrijf waardevol is: het splitst de score in twee domeinen — de AI-fundamenten (data, technologie, competenties) en de AI-strategie (governance, risico, KPI's, innovatiecultuur). Het cijfer over deze twee assen opsplitsen laat waarom een bedrijf vastzit naar voren komen, niet alleen een getal: het gebeurt vaak dat men behoorlijke fundamenten heeft en geen strategie. Eén enkele score zou dat verbergen.

2. De gewogen scorecards: „waar precies de kloof zit”

De AI Readiness Index van Cisco meet zes pijlers met verschillende gewichten — infrastructuur (25%) en data (20%) zijn de twee zwaarste, gevolgd door strategie, governance, talent en cultuur — en plaatst het bedrijf op een schaal: Pacesetter (volledig gereed), dan Chaser, Follower, tot Laggard (onvoorbereid). De verdienste van een scorecard is dat hij niet alleen zegt „u loopt achter”: hij zegt op welke hefboom u achterloopt.

Voor een Italiaans mkb-bedrijf is de beperking de strategie, niet de infrastructuur

Hier komt het gegeven dat het instinct omkeert. In zijn meting van 2025 ziet Cisco dat 75% van de Pacesetters aangeeft over personeel met toereikende AI-competenties te beschikken, tegenover amper 16% van alle anderen. Wat wie het redt scheidt van wie achterblijft, is niet het technologiepark: het is de kloof in competenties en cultuur.

Er is echter een detail dat kritisch gelezen moet worden. De weging van Cisco — infrastructuur plus data vormen 45% van de score — weerspiegelt een enterprise-perspectief, waar de bottleneck vaak de infrastructuur is. Voor een Italiaans mkb-bedrijf is de realiteit bijna omgekeerd: de infrastructuur is zelden de beperking. De nuttige tools van vandaag zijn grotendeels in de cloud, op verbruik, toegankelijk zonder datacenter. De echte beperking ligt stroomopwaarts: ongedefinieerde doelen, geen eigenaar van het project, processen die niet klaar zijn. In één woord, strategie en governance — geen ijzer.

Vertaald: als u een model aanpast dat voor grote ondernemingen is bedacht, verschuif dan het gewicht van infrastructuur en data naar strategie, governance en cultuur. Voor een mkb-bedrijf is het daar dat men wint of verliest.

Een kort instrument, geen audit

Er is geen beoordeling van een grote consultancy nodig. Voor een mkb-bedrijf is het juiste format kort — tien, vijftien vragen — en combineert het de twee families van hierboven:

  • Eén stadiumvraag per domein (Deloitte-stijl, twee domeinen: fundamenten en strategie): geeft een antwoord in heldere taal — „u bent op stadium X van 5” — op elke as, in plaats van één ondoorzichtig cijfer.
  • Een scorecard gewogen over de dimensies (Cisco-stijl, maar herwogen voor het mkb: strategie, governance en cultuur wegen even zwaar als of zwaarder dan infrastructuur en data): geeft aan welke functie de echte bottleneck is.

Het resultaat is geen getal om in te lijsten: het is een richting. Het zegt u met welke afdeling u het beste begint en met welke mate van aandacht voor compliance.

Van de score naar de eerste afdeling

Een nuttige beoordeling eindigt met een operationele richting, niet met een diagnose. In de praktijk:

  • Als er een functie met repetitieve en hoogfrequente processen naar voren komt — doorgaans verkoop, marketing of operations — is het daar dat een eerste pilot de beste waarde/risicoverhouding heeft.
  • Als daarentegen het zwakke punt de governance is, is de eerste stap geen tool: het is de risico's helder maken. Eerst bekijkt men de compliance-overlay — EU AI Act, GDPR, risicotaxonomie — en dan kiest men wat te automatiseren. De volgorde telt: automatiseren zonder controles is de snelste manier om later te moeten stoppen.

Het is precies het schema waarmee we werken: eerst begrijpen waar u staat, dan AI enten op het juiste punt van uw business, met de juiste controles eromheen. Geen tool van bovenaf opgelegd, maar een ent die aanslaat.

Waar echt te beginnen

Als u één ding moet onthouden: begin niet bij de tool, begin bij de positie. Meet in welk stadium u bent op de fundamenten en op de strategie, identificeer de afdeling met de nuttigste te dichten kloof, en beoordeel het risico vóór u de technologie kiest. Het is een traject van twee minuten voor het eerste antwoord, niet van twee maanden.

We hebben deze methode omgezet in een self-service en gratis beoordeling: beantwoord een paar vragen en krijg een aanwijzing over met welke afdeling u in uw bedrijf het beste begint. Doe de AI-readiness-beoordeling — daarna, als het zinvol is, praten we erover.

De genoemde data komen uit de door Cisco, Gartner en Deloitte gepubliceerde methodologieën, zijn geaggregeerd en zelfgerapporteerd door de respectieve bronnen en moeten als richting worden gelezen, niet als een resultaatbelofte. Dit artikel is bedoeld ter oriëntatie en vormt geen juridisch advies of conformiteitsbeoordeling.

Methode Geschreven door het team van Innesti Digital

Elke bron komt voort uit het onderzoek dat we voor mkb-bedrijven doen en uit de producten die we zelf bouwen: vermelde bronnen, een methode die we openlijk benoemen, geen bewering die u niet kunt controleren.

De bronnen staan in de tekst vermeld. We raden u aan ze altijd rechtstreeks bij de oorspronkelijke bron te controleren.

Delen Delen op LinkedIn Delen via WhatsApp
Breng het in de praktijk

Waar deze analyse werk wordt.

Andere analyses over AI-adoptie in een mkb-bedrijf.

  1. Publiceren met AI in vijf talen: wat er echt stukgaat, en hoe u het vóór de lezer vangt Deze site verschijnt in het Italiaans, Engels, Frans, Spaans en Nederlands via een AI-transcreatiepijplijn: hier is het defectenregister dat eruit is gekomen, met namen en oorzaken. Vijf echte klassen — het Franse werkwoord dat op juridisch terrein een vaststelling laat verschuiven naar iets dat dicht tegen een beschuldiging aan ligt; de inhoudelijke fout die in alle vijf de talen identiek werd doorgegeven omdat ze stroomopwaarts van de vertaalslag per taal zat; datums geschreven in een formaat dat geen van de vijf talen werkelijk gebruikt; het ontbreken van een voor de lezer zichtbare revisiemarkering (dat punt is al opgelost en staat in productie); en de mooiste van allemaal, de enige klasse waarin de tekst klopt en de code fout zit — twee componenten die in de kop naar de tekenreeks „AI” zochten en „IA” nooit vonden, waardoor het Frans en het Spaans een vlakke titel kregen zonder dat er ook maar één fout werd gemeld of één vertaalsleutel ontbrak. Daarna de controles die de lokalisatiebranche al toepast en die ze hadden onderschept: de MQM-taxonomie met haar zeven dimensies over drie ernstniveaus, de structuur onder de normen ISO 5060:2024 en ISO 11669:2024; back-translation, wat niet de heen-en-terugvertaling is maar een onafhankelijke linguïst die terugvertaalt zonder het origineel ooit gezien te hebben; de driedelige termenlijst die wordt afgedwongen voordat de tekst bij een revisor komt, met een bij naam genoemde eigenaar en een herzieningskalender; de steekproef van 10% met revisie door moedertaalsprekers, opgehoogd bij risicovolle inhoud in plaats van vlak; taalbewuste formatters voor datums, getallen en valuta, en pseudolokalisatie. Het sluit af met een checklist op risico geordend en met de regel die ons het meest heeft gekost om niet toe te passen: een patroondefect sluit je op de repository, niet op het bestand. 10 min
  2. Je hebt geen AI meer nodig: je moet een afdeling herontwerpen De reden waarom bijna geen enkel AI-project de winst-en-verliesrekening bereikt is niet het model: het is dat bedrijven iedereen toegang tot de tools hebben gegeven zonder de processen eromheen te herontwerpen. Met de cijfers van Deloitte (State of AI in the Enterprise 2026), MIT NANDA (The GenAI Divide) en McKinsey (State of AI 2025) als bewijs van derden voor de kloof, en waarom het herontwerp van één enkele afdeling voor een mkb-bedrijf vandaag echt haalbaar is. 6 min
  3. Hoe herken je een door AI gemaakt design (en de vragen die je stelt voordat je tekent) Drie bureaus, drie voorstellen, dezelfde site: paars verloop, vervaagd glas, een kop die een concurrent identiek zou kunnen plakken. Het is geen kopie: het is de standaardinstelling van een generatieve tool, en de oorzaak is gedocumenteerd. Hier lees je hoe je het in één oogopslag herkent, en acht vragen die je de leverancier stelt voordat je tekent, geen ervan met technische kennis nodig. 9 min

Van theorie naar uw bedrijf. Wij enten AI.

Wilt u weten met welke afdeling u in uw bedrijf het beste kunt beginnen? De gratis beoordeling geeft u binnen twee minuten een eerste antwoord — daarna, als het zinvol is, praten we verder.

32
Operationele AI-gidsen, gratis en zonder registratie
5
Talen gelokaliseerd in de hele EU

Wij gebruiken cookies en vergelijkbare technologieën om uw ervaring te verbeteren, het verkeer te analyseren en content te personaliseren.

Cookievoorkeuren

Noodzakelijke cookies Altijd actief

Essentieel voor de werking van de site. Kunnen niet worden uitgeschakeld.

Ze helpen ons te begrijpen hoe u de site gebruikt om de ervaring te verbeteren.

Gebruikt om u relevante advertenties te tonen en campagnes te meten.

Maken het mogelijk content en functies te personaliseren.