Door Piet Baudoin · september 2026
Een servicebedrijf wordt AI-native door zijn vakkennis vast te leggen en het werk daaromheen opnieuw in te richten: AI doet het terugkerende uitzoekwerk en zet het klaar, je mensen beoordelen en geven akkoord.
Dat begint bij de storing die stilligt of de jaarrekening die op antwoorden wacht. Het grotere verhaal staat in wat de agentic economy voor je bedrijf betekent. Hier gaat het over de stap die je met je bestaande bedrijf kunt zetten.
Waarom zou je hiervoor opnieuw naar je bedrijf kijken?
Omdat je met dezelfde mensen meer werk wilt aankunnen, en een snellere losse handeling daarvoor niet genoeg is. Volgens ABN AMRO noemt 42 procent van de ondernemers in de zakelijke dienstverlening personeelstekort als belangrijkste knelpunt. De bank heeft zelf een belang bij financiering van die sector. Die krapte is niet overal even groot: het UWV ziet grote krapte bij loodgieters en machinemonteurs, en noemt de spanning bij boekhoudkundig medewerkers “gemiddeld”. Bij installatiewerk is dit dus een tekort, bij administratie eerder een margevraag.
De Amerikaanse investeerder Sequoia schreef in maart 2026 over nieuwkomers die met AI het werk leveren waarvoor je nu een dienstverlener inschakelt. Sequoia investeert in zulke bedrijven; dit is ook een wervend verhaal. Voor jou is het een beschrijving van een mogelijke concurrent, maar ook van wat je zelf kunt worden.
Je begint immers met klanten, vakkennis en ervaring met wat goed werk is. De vraag is hoeveel daarvan bruikbaar is zonder dat iemand jou hoeft te bellen.
Mijn uitgangspunt: richt AI niet alleen op de productie. Een sneller geschreven jaarrekening blijft liggen als niemand de ontbrekende stukken opvraagt. De kans zit ook in het verzamelen, verdelen en opvolgen rondom het vakwerk. Daar moet je dus je hele werkwijze bekijken.
Welk werk pak je als eerste aan?
Kies werk waarvoor al iemand betaald wordt en waarvan je kunt nakijken of het goed is. Dat zijn de twee vragen waarmee je begint. Een factuur bij het juiste project zetten heeft een controleerbare uitkomst. Beslissen of je een belangrijke klant uitstel geeft, vraagt jouw oordeel.
Maak vervolgens de eenheid klein: wat moet er precies klaarstaan? Bij een storing inplannen is dat bijvoorbeeld een voorstel met het adres, de klacht en een passend moment. De reparatie zelf is een andere klus. Door die grens te trekken, weet degene die nakijkt waarop hij akkoord geeft.
Regel daarna de intake. Welke gegevens moeten binnen zijn voordat het werk verder kan? Facturen die langs drie kanten binnenkomen moeten naar dezelfde werklijst, met herkenbare gegevens. Laat ontbrekende informatie zichtbaar terugkomen als open vraag. Anders maak je het overtikken sneller en blijft het zoeken bestaan.
Schrijf ook op wanneer iets klaar is. Bij facturen aan een project toewijzen hoort daar de onderbouwing bij. Alleen een ingevuld projectnummer is geen oplevering waarop je kunt vertrouwen. Je wilt zien welke bestelling of afspraak die keuze draagt.
Hoe haal je het regelboek uit de hoofden van je mensen?
Je maakt vakkennis bruikbaar door bij echte beslissingen vast te leggen waarom iets goed of fout is. Begin met de collega die het werk nu nakijkt. Welke informatie zoekt die erbij? Wanneer wijkt die af van de gewone werkwijze?
Neem aanmanen dat blijft liggen. Voor je een herinnering klaarzet, wil je weten of er een betalingsafspraak of een klacht openstaat. Leg vast waar die informatie staat en wie bij twijfel beslist. Dat is je regelboek: de afspraken waarmee je kunt beoordelen wat de volgende stap moet zijn.
Bombos interviewt je mensen om die kennis uit hun hoofden vast te leggen. Daarna worden hun beslissingen, goedkeuringen en correcties regels voor de volgende keer. De controlelaag is het akkoord: de AI-agent zet klaar, een mens beoordeelt. Bij een correctie hoort dus ook de reden, zodat dezelfde afweging later terug te vinden is.
Dat regelboek is van je bedrijf, niet van de leverancier. Vraag daarom waar je de vastgelegde afspraken kunt lezen en verbeteren. Zo wordt het uitvragen van je mensen meteen een manier om je eigen werkwijze scherper te krijgen.
Wat veranderen de oplevering en de prijs?
Je spreekt af welk werk af moet zijn en wat de klant daarvoor betaalt. Bij een jaarrekening hoort bijvoorbeeld ook duidelijkheid over de vragen die nog openstaan. Maak de voortgang zichtbaar voor de klant, zodat die niet hoeft te bellen om te horen op welk antwoord je wacht.
Vergelijk twee manieren van werken. Je kunt AI sneller een vragenmail laten schrijven, waarna iemand hem nog moet terugvinden en opvolgen. Je kunt ook het dossier zo organiseren dat zichtbaar blijft welke vraag uitstaat, bij wie en wat het antwoord weer in beweging zet. In die tweede aanpak verandert de levering zelf.
Bij de prijs zit een vergelijkbare keuze. Geert Dreschler, accountant bij MKB Accountants, zei in oktober 2025 in Accountant.nl: “Bij uurtje, factuurtje heb je die prikkel niet. Bij een vaste prijs en een waardepropositie heb je dat wel.”
Onderzoek daarom een prijs per afgebakende opdracht of een vast maandbedrag. Beschrijf wat erbij hoort en wanneer meerwerk begint. Dan kan sneller werken ruimte opleveren binnen dezelfde afspraak. Zonder heldere grenzen beloof je voor een vast bedrag een onbekende hoeveelheid werk.
Waar gaat dit vandaag mis?
AI-uitkomsten kunnen fout zijn, en tijdsdruk kan juist de controle wegnemen die zulke fouten moet vinden. Bert Vries, hoofd innovatie en technologie bij advocatenkantoor CMS, zegt in Accountant.nl: “Medewerkers werken vaak met strakke deadlines, waardoor het risico bestaat dat ze de uitkomsten van AI-tools te snel overnemen.”
Een akkoord is dus pas iets waard als iemand de onderliggende stukken kan beoordelen. Een keurige aanmaning vertelt je niet of de klant gisteren een betalingsafspraak heeft gemaakt. En een ingevuld dossier bewijst niet dat de informatie erin klopt. Spreek af wie controleert en maak daar tijd voor vrij.
Ook is AI gebruiken iets anders dan je bedrijf anders laten werken. Volgens het CBS gebruikte in 2025 29,8 procent van het mkb AI. Dat betreft bedrijven met tien tot 249 werkzame personen, een bredere groep dan de lezer hier. Het cijfer zegt niets over bespaarde uren of goed afgehandelde dossiers.
Meet daarom ook herstelwerk en nakijktijd. Alleen tellen hoeveel werk de AI voorbereidt, laat precies de kosten buiten beeld die deze aanpak kunnen laten mislukken.
En een regelboek is op zichzelf geen voorsprong. Jason Lemkin van SaaStr beschrijft bedrijven waar 50 tot 80 procent van het overstapwerk naar een andere aanbieder gedaan was door de instructies te knippen en plakken, in een paar minuten. Wat een concurrent niet zomaar overneemt, zijn de correcties van jouw mensen op jouw echte gevallen. Daar zit de waarde, niet in een net opgeschreven werkwijze.
Wat verwacht ik voor september 2027?
Mijn hypothese: in september 2027 levert een vastgelegde werkwijze rond één terugkerende taak een bestaand servicebedrijf meer tijd op dan alleen AI toevoegen aan het schrijven en rekenen. Toets dat aan de totale mensentijd per afgeronde taak, inclusief controle en herstelwerk, bij gelijkblijvende kwaliteit.
De redenering begint bij het verschil tussen AI gebruiken en werk afkrijgen. Het CBS meet gebruik, ABN AMRO beschrijft personeelskrapte, en het Nederlandse accountantsdebat verbindt prijsafspraken aan de prikkel om sneller te werken. Samen wijzen ze voor mij naar de organisatie van het werk als volgende stap. Ze vormen geen meetreeks waarmee je de snelheid van die omslag kunt berekenen.
Wat mijn hypothese breekt: als uitzonderingen zoveel nakijktijd vragen dat de winst verdwijnt. Of als intake en opvolging bij jouw bedrijf nauwelijks tijd kosten, terwijl het schrijven en rekenen bijna alle uren vragen. Dan zit de winst ergens anders.
Leg nu dus vast hoe een afgeronde taak eruitziet en hoeveel aandacht die vraagt. Een nieuw prijsmodel voor je hele bedrijf kan wachten tot je weet welk werk aantoonbaar beter loopt.
Hoe begin je zonder alles om te gooien?
Begin met één terugkerende taak naast de huidige werkwijze, bijvoorbeeld het verdelen van je gedeelde postbus. Laat degene die dat nu doet de voorstellen nakijken en corrigeren. Houd bij hoeveel tijd overblijft na dat nakijken. Die taak is het begin van meer werk aankunnen met dezelfde organisatie.
Bombos zoekt de gegevens erbij in de pakketten die je al hebt en zet het werk klaar met de reden erbij. Wij nemen je mee, daarna kun je het zelf: je eigen team leert de AI-agent de volgende taak.
De vastgelegde kennis blijft behouden als we de onderliggende AI vervangen door een betere. Zo groeit Bombos mee zonder dat je opnieuw hoeft te beginnen met je regelboek. We volgen de ontwikkelingen dagelijks; hoeveel werk binnenshuis zelfstandiger gaat, bepaal jij. Een bericht aan een klant of een betaling gaat niet de deur uit zonder jouw akkoord.
Onze belofte: na drie maanden ligt het werk waar we mee beginnen elke dag klaar, zonder dat iemand eraan hoeft te denken. Laat je nummer achter op de contactpagina, dan bellen we je terug.
Begin bij de klus die steeds op iemand wacht.
Bronnen
Elke bron is op 21 september 2026 geopend en elk citaat staat er letterlijk in.
Het idee en de Nederlandse praktijk
- Julien Bek, Sequoia Capital: Services: The New Software (5 maart 2026; investeerder in deze categorie).
- UWV: Spanningsindicator arbeidsmarkt (doorlopend bijgewerkte pagina zonder publicatiedatum).
- Mario Bersem, ABN AMRO: Zakelijke dienstverlening in de ban van AI en vergrijzing (24 juni 2026; bank met financieringsbelang).
- CBS: Gebruik van AI-technologie door Nederlandse microbedrijven, hoofdstuk 2 (16 maart 2026; cijfers over 2025, met vergelijking met grotere bedrijven).
Prijs en controle
- Ronald Bruins, Accountant.nl: AI-adoptie onder accountants blijft steken (20 oktober 2025; citaat van Geert Dreschler).
- Accountant.nl: Tijdsdruk vergroot risico op AI-fouten bij accountants en advocaten (10 augustus 2026; citaat van Bert Vries).
- Jason Lemkin, SaaStr: The Wave of AI Agent Churn To Come (geen datum op de pagina, inhoud verwijst naar 2026; Amerikaanse investeerder, cijfer uit zijn eigen waarneming).
team Bombos