“Wat kan AI voor mijn bedrijf betekenen?”
Op 9 april 2025 kregen zo’n 40 ondernemers een concreet antwoord op die vraag. Tijdens het inspiratie-evenement ‘Data Science & AI voor het MKB: trends, kansen & succesverhalen’, georganiseerd door het JADS MKB Datalab, kwamen technologie, realisme en praktijk verrassend dicht bij elkaar.
Wat deze middag bijzonder maakte? Geen futuristische praat, maar concrete voorbeelden van hoe data en AI vandaag al worden ingezet – in bakkerijen, advieskantoren en ambulances. Met scherpe inzichten van wetenschappers, eerlijke verhalen van ondernemers en praktische tools uit de JADS-keuken.
Key note Eric Postma: AI begrijpen begint met het brein
Professor Dr. Eric Postma trapte de middag af met een keynote die allesbehalve academisch aanvoelde. In ruim een uur haalde hij AI uit de sfeer van hype en science fiction, en bracht hij het terug naar waar het om draait: patroonherkenning, keuzes maken, en snappen wat machines wél en vooral niet kunnen.
“AI is niet magisch. Het is razend goed in systeem 1-denken: snelle beslissingen, gebaseerd op ervaring. Maar dat systeem 2 – logisch redeneren, bewust afwegen – daar is AI nog lang niet.”
Aan de hand van Kahneman’s bekende tweesplitsing (systeem 1 en 2), legde Postma uit waarom de AI-systemen van vandaag, zoals ChatGPT of DeepSeek, zo indrukwekkend kunnen lijken – en tegelijk zo beperkt zijn. Ze zijn snel, breed getraind, en enorm krachtig in het herkennen van patronen. Maar ze begrijpen niks. Ze redeneren niet. En ze zijn niet kritisch.
Een paar highlights uit zijn verhaal:
- AI is een “grey box”, geen black box. We snappen het algoritme, maar niet waar de kennis precies zit. De logica zit verstopt in miljarden getallen – en daar valt moeilijk uit af te leiden waarom een AI een bepaalde keuze maakt.
- Machine learning leunt niet op logica, maar op voorbeelden. De shift van symbolische AI naar lerende systemen was essentieel – en kwam pas echt op gang toen er genoeg data én rekenkracht beschikbaar was.
- Deep learning is gebaseerd op het brein, maar dan héél versimpeld. Kunstmatige neurale netwerken bootsen de input-outputprocessen van onze hersenen na, maar missen alles wat menselijk denken complex maakt: emoties, context, zelfreflectie.
- AI presteert op smalle taken vaak beter dan mensen. Een getraind model kan hondenrassen beter herkennen dan een gemiddelde dierenvriend. Maar het weet nog steeds niet wat een hond is.
“Wat AI nu kan, lijkt soms slim. Maar het is iets anders dan menselijke intelligentie. Als je dat niet begrijpt, kun je er ook niet verstandig mee werken.”
Wat moeten ondernemers hiermee?
Aan het einde van zijn presentatie legde Postma de brug naar de praktijk:
“Speel ermee. Ga niet af op grote beloftes, maar kijk zelf wat werkt. Chat met een AI, geef het een taak, en zie wat eruit komt. Dan leer je het het snelst.”
Zijn boodschap was helder: zie AI als een tool, niet als een bedreiging of een wondermiddel. Begin klein, blijf kritisch – en gebruik het om je eigen werk slimmer te maken.
JADS MKB Datalab: van inzicht naar actie
Na de pauze namen Jules en Virgil van het JADS MKB Datalab het stokje over. Waar Postma de theorie scherp neerzette, brachten zij het direct naar de praktijk.
Het Datalab is inmiddels betrokken geweest bij meer dan 380 projecten in het MKB. Hun aanpak? Geen dikke rapporten, maar korte sprints waarin studenten samenwerken met ondernemers aan concrete datavraagstukken. Van Excel-problemen tot AI-prototypes – het draait om doen.
Een paar van de tools en inzichten die ze deelden:
- Gebruik AI als versneller, niet als einddoel. Bijvoorbeeld bij het opschonen van data, het genereren van rapporten, of het visualiseren van trends.
- AI-agents? Dit zijn eigenlijk manieren om te automatiseren, iets wat het lab al heel lang doet.
- Datakwaliteit is key. Om het maar direct te zeggen: bullshit in staat gelijk aan bullshit out.
Virgil sloot zijn verhaal af met een nuchtere reminder:
“Iedereen kan aan de slag met AI, zelfs letterlijk de bakker om de hoek – een van onze eerste projecten. Kortom, geen vraag is voor ons te gek”
Rademaker Advies: van werkdruk naar werkwaarde
Daarna was het podium voor Stef van den Berg, data-analist bij Rademaker Advies & Accountancy. Geen tech-startup of IT-club, maar een stevig accountantskantoor dat snapt dat de toekomst niet vanzelf komt.
Stef gaf een inkijkje in de uitdagingen binnen de accountancy:
- Steeds meer regels
- Steeds hogere verwachtingen van klanten
- En een structureel tekort aan goed personeel
“We krijgen meer werk, met evenveel mensen. Dan móét je slimmer gaan werken.”
En dat doen ze. In samenwerking met studenten van het MKB Datalab bouwden ze onder andere:
- Een tool die banktransacties automatisch analyseert, inclusief signalering van opvallende patronen en mogelijke risico’s.
- Een model dat personeelsuren en contractdata koppelt aan belastingaangiften, zodat fouten eerder worden gespot.
- Een AI-tool die jaarstukken doorzoekt op basis van vragen van klanten – vergelijkbaar met een lokale GPT.
Het resultaat? Uren handmatig werk teruggebracht tot minuten, meer grip op risico’s, én ruimte voor échte klantrelaties.
“We gebruiken AI niet om mensen te vervangen. Maar om mensen meer tijd te geven om waarde toe te voegen. Dát is de winst.”
Wat begon met één pilotproject, groeide uit tot een structureel datateam. Inmiddels gebruiken ze AI-tools als standaard binnen hun dienstverlening – en experimenteren ze zelfs met lokale taalmodellen die privacygevoelige data kunnen analyseren zonder dat er iets naar buiten gaat. En fun fact: ze hebben de student van JADS aangenomen direct na het behalen van zijn Master bij JADS!
Een studentconsultant aan zet: Jago van Lieshout
Tot slot deelde student-consultant Jago van Lieshout hoe het is om als JADS-student midden in het MKB te werken. Hij liet zien dat studenten geen stagiairs zijn die koffie halen, maar echte verandermakers.
Van een dashboard voor lingerieverkopen tot een AI-model dat ambulance-ritten analyseert op afwijkende reistijden – het rode draad is telkens dezelfde: kleine vraag, scherpe analyse, grote impact.
“De beste projecten beginnen met de vraag ‘we willen iets met AI’, iets wat een heel logisch startpunt is. Echter, om de meeste impact te maken en het maximale uit een project te halen, is het van belang om door te vragen: Waarom, waarom, waarom? Met de antwoorden kom je tot de kern van het probleem”
Zijn advies aan ondernemers: start met wat je weet, en werk van daaruit. “Je hoeft geen datagoeroe te zijn. Je moet alleen nieuwsgierig zijn naar wat er beter kan.”
AI is niet ingewikkeld. Het is relevant.
Het evenement sloot af met een netwerkborrel – en bitterballen. Maar het gesprek ging nog lang door. Over tools, kansen, barrières en plannen. Want één ding werd voor iedereen duidelijk:
AI is niet iets voor later. Het is er nu. En als je als MKB’er weet waar je staat, weet je ook waar je kunt beginnen. Van professor tot bakker, van accountant tot student – de boodschap klonk door alle verhalen heen:
Wacht niet tot de AI-hype voorbij is. Gebruik het, test het, leer ervan.
Jouw data heeft waarde. Heb jij ook een gevoel dat jouw werk beter en slimmer kan? Neem dan contact met ons op via info@jadsmkbdatalab.nl of bekijk alle mogelijkheden via https://www.jads.nl/nl/bedrijven/jads-mkb-datalab/.