--- name: ai-readiness-mkb description: Voer een AI-readiness-zelfassessment uit voor een MKB-finance-team — meet rijpheid op 9 pijlers, kwantificeer uur-besparing, signaleer anti-patterns en lever een actie-lijst op die het MT direct kan gebruiken. Gebruik wanneer een finance-team of CFO wil weten waar te beginnen met AI in finance, of bij jaarlijkse roadmap-bijstelling. Activeert op "AI-readiness", "waar moeten we beginnen met AI", "AI-scan", "AI-volwassenheid finance", "is mijn team klaar voor AI", "AI-quick-wins finance". --- # AI-readiness voor MKB-finance Een zelf-assessment voor een Nederlands MKB-finance-team (5-50 FTE) dat wil weten waar het staat met AI-adoptie en wat de eerste concrete stap moet zijn. > **Belangrijk:** deze skill is een **zelfassessment**, geen externe audit. De output is bedoeld als input voor het MT-gesprek over budget en prioritering, niet als consultancy-rapport. ## Drie principes vooraf Voordat je begint scoren: drie inzichten die de uitkomst bepalen. 1. **Data is de constraint, niet het model.** Als het grootboek of de factuur-feed niet schoon is, helpt geen enkele AI-tool. Eerst data-fundering, dan tooling. 2. **Off-the-shelf eerst.** Custom-builds zijn voor de meeste MKB-finance-teams te duur en te fragiel. Kies wat je kunt kopen en deployen, niet wat je moet bouwen. 3. **Geen eigenaar = geen project.** Ongeacht de business case: zonder iemand op de finance-vloer die het wil dragen, sterft elke AI-pilot binnen één kwartaal. Deze principes komen terug in de scoring en in het advies per pijler. ## Stap 1: Context vaststellen Vraag bij aanvang (kort, voordat je in de pijlers duikt): - **Bedrijfsgrootte** — aantal FTE finance (1-2 / 3-5 / 6-15 / 15+) en aantal FTE totaal - **Sector** — productie / handel / dienstverlening / SaaS / horeca / bouw / detailhandel / financieel / overig - **Strategische horizon** — steady-state / scale-up / pre-financieringsronde / pre-overname / pre-exit - **Eerdere AI-pilots** — wat is geprobeerd, wat werkte, wat niet (failed pilots zijn signaal, niet schaamte) Deze context bepaalt de **urgentie** en de **risico-bandbreedte**. Een 3-FTE-team in scale-up-modus krijgt ander advies dan 15-FTE in pre-exit. ## Stap 2: 9 pijlers scoren Score elke pijler 0-3 op basis van 3 ja/nee-vragen (1 punt per "ja"). Output: groen (3) / amber (2) / rood (0-1). ### Status-quo: wat IS er (direct te beoordelen) **Pijler 1 — Handwerk in de finance-cyclus** - Onze maandafsluiting is binnen 7 werkdagen na maand-einde compleet. - Bankmutatie-matching en bankafstemming verlopen grotendeels via regels of automatische matching — niet handmatig in Excel. - Variantie-analyse, board-pack en MT-rapportage trekken we grotendeels uit vaste templates — geen herhalend handwerk in Excel of PowerPoint. **Pijler 2 — Automatisering & AI-baseline** - Inkomende facturen worden automatisch ingelezen via OCR of document-herkenning, niet handmatig overgetypt. - Ten minste één teamlid gebruikt structureel AI (ChatGPT, Copilot of Claude) voor terugkerende finance-taken. - We hebben minimaal één gestandaardiseerd template of macro voor periodieke rapportage — geen kopiëer-plakken vanaf scratch elke maand. ### Readiness: wie/wat ondersteunt **Pijler 3 — Leadership sponsorship** - Er is een benoemde sponsor (typisch CFO of finance-manager). - Er is een expliciet AI-budget voor finance — hoe klein ook. - De sponsor heeft in de laatste 90 dagen zichtbaar over AI in finance gecommuniceerd. **Pijler 4 — AI-champion in finance** - Er is een of meer champions bij naam benoemd binnen finance. - De champion heeft beschermde tijd (een halve tot hele dag per week). - De champion heeft mandaat om met IT, legal en andere finance-rollen samen te werken. **Pijler 5 — Tools, data-access en AI-policy** - De gebruikte AI-tools zijn zakelijk gelicenseerd (geen consumer-accounts voor klantcijfers). - Toegang tot de boekhouding voor relevante AI-tools is geregeld of in voorbereiding. - Er is een gecommuniceerd AI-policy voor finance, inclusief tier-classificatie van klantdata. ### Uitvoering: hoe ga je het doen **Pijler 6 — Use-case-prioritering** - Er is een proces om ideeën in te brengen (formulier, kanaal, lijst). - Er zijn criteria voor prioritering (impact in uren of fouten, haalbaarheid). - Er is een geprioriteerde roadmap van minimaal 3-5 finance-use-cases. **Pijler 7 — Training en hands-on praktijk** - Er is een trainings-roadmap voor het hele finance-team, niet alleen power users. - Er zijn vaste oefenmomenten (maandelijkse praktijksessie, office hours). - Teamleden delen AI-leerervaringen actief met elkaar (demo's, intervisie, kennisdeling). **Pijler 8 — Bottom-up cultuur** - Er zijn educatiepaden beschikbaar voor finance (intern of extern). - Er draait een ritueel (weekly win, demo, Teams-kanaal) waar mensen leren. - Het team heeft mondeling of schriftelijk toestemming om AI-tools te proberen op niet-vertrouwelijke data. **Pijler 9 — Project-ritme** - Elke finance-AI-pilot heeft een eigenaar met naam. - Elke pilot heeft een deadline en een meetbaar succescriterium. - Voortgang wordt minstens maandelijks besproken. ## Stap 3: Uur-besparing kwantificeren (Pijler 1) Voor de Handwerk-pijler: vraag aanvullend per cyclus-stap hoeveel uur per week erin gaat zitten. Gebruik **Anthropic's vuistregel: 30-50% besparing, niet 100%**. Voorbeeld-uitvraag: > Hoeveel uur per week verlies je nu aan: (a) bankaansluiting en mutatie-matching, (b) variantie-rapportage opstellen, (c) maandelijkse close-stappen, (d) ad-hoc data-vragen van het MT? Sommeer de uren. Bereken indicatieve besparing: `aantal uur × 0,3 tot 0,5 = realistische besparing per week`. Output-zin voor het rapport: > *Bij gemiddeld 12 uur per week handwerk in close en rapportage is een realistische AI-besparing 4-6 uur per week, oftewel 16-24 uur per maand. Tegen een gemiddelde belasting van €60-€100/uur is dat €960-€2.400 per maand aan vrijgemaakte capaciteit — of bij gelijkblijvende werklast: ruimte voor analyse die er nu niet is.* ## Stap 4: 3-gate-check voor de top use-cases Identificeer (samen met de geïnterviewde) 3-5 concrete AI-use-cases die het team overweegt. Voor elke use-case: drie gate-vragen. Drie keer ja = **Go**. Eén nee = **Wacht** met de blocker erbij. 1. **Is de data er?** Kan je een schone input produceren — facturen-feed, klant-mutaties, openstaande-postenlijst — zonder eerst een 6-maand data-project? Als nee: wacht. 2. **Is er een eigenaar?** Iemand in het team die het wil dragen, niet alleen "support". Als nee: wacht. 3. **Kun je pilotten in 30 dagen?** Eén team, één workflow, off-the-shelf-tool. Als het antwoord begint met *"eerst moeten we..."* — geen quick win. ## Stap 5: Anti-patterns signaleren Op basis van de score, signaleer expliciet wat het team **niet** als eerste moet doen. Veelvoorkomende anti-patterns: - **Pijler 5 (tools/data) rood + Pijler 6 (use-case-prioritering) niet-rood** → *"Use-cases prioriteren vóór een data-fundament wordt een lijst die niemand kan uitvoeren. Eerst factuur-OCR + grootboek-koppeling regelen, daarna pas een AI-roadmap."* - **Pijler 3 (sponsorship) rood + Pijler 4 (champion) niet-rood** → *"Een champion zonder CFO-sponsor verbrandt binnen 90 dagen. Fix sponsorship eerst — ongeacht hoe sterk je champion is."* - **Pijler 1 (handwerk) rood + Pijler 6 (use-case) niet-rood** → *"Zonder nulmeting weet je over 6 maanden niet of AI iets opleverde. Meet eerst uren in close en rapportage, daarna pas een use-case-keuze."* - **Pijler 7 (training) rood + Pijler 6 (use-case) niet-rood** → *"Prioritering zonder team-skill = pilot draait op één persoon. Verbreed training vóór de tweede use-case."* ## Output Lever op: 1. **Verdict-regel** — `X groen / Y amber / Z rood` plus één-zins-samenvatting 2. **Per pijler** — score, kleur, advies (begin-hier / versterk / houd-vast) 3. **3 principes** — Data / Off-the-shelf / Eigenaar, prominent geciteerd 4. **Uur-besparing-schatting** — indicatief, op basis van Pijler 1 + extra-uitvraag 5. **3-gate-resultaat** — per use-case Go/Wacht met blocker 6. **Anti-patterns** — wat niet als eerste te doen, gebaseerd op kleur-combinaties 7. **30-dagen-actielijst** — top-3 concrete acties, elk met eigenaar en succescriterium ## Aandachtspunten - **Eerlijk scoren > hoog scoren.** Het doel is geen 9 × groen — het doel is helder krijgen waar de blockers zitten. Een eerlijke 5-rood-scan is meer waard dan een gepolijste 6-groen-scan. - **Hold-periode-context.** Bij pre-exit of pre-financieringsronde: payback-horizon van AI-projecten matters. Wacht-items met 12+ maanden payback zijn minder relevant. - **Failed pilots zijn signaal.** Vraag expliciet wat eerder is geprobeerd en niet stickte. Vaak ligt de oorzaak in pijler 3, 4 of 9 (sponsorship, champion, ritme) en niet in de tool zelf. - **Niet alle pijlers wegen even zwaar.** Voor een 3-FTE-team zijn pijler 7-8 (training, cultuur) minder kritiek omdat het hele team al dichtbij zit. Voor een 15-FTE-team zijn ze cruciaal. ## Verbinding met de Start 2 Scale website-scan Deze skill is de **long-form tekst-equivalent** van de AI-Readiness-scan-wizard op [start2scale.ai/resources/ai-readiness-check](https://start2scale.ai/resources/ai-readiness-check). Verschil: - **Website-wizard** — 9 pijlers × 3 vragen, scoring + print-style rapport, ~10 minuten invul-tijd - **Deze skill** — diepere uitvraag inclusief kwantificering, 3-gate-check op use-cases en gesprek-stijl-conclusie, ~30-45 minuten met een interviewer Gebruik de website-wizard voor eerste self-screening. Gebruik deze skill voor diepgaander gesprek met team of klant.