Tim Verhees, co-founder van Impleminds, over AI, governance en waarom groeiende KMO’s hun processen nu moeten herdenken.
Tim Verhees kent digitale transformatie niet uit presentaties, maar uit bijna twintig jaar bouwen aan digitale infrastructuur en organisaties. Als een van de eerste developers bij Dragintra hielp hij het fleetmanagementplatform uitgroeien tot een Europese speler, later overgenomen door de Canadese Volaris Group. Doorheen zijn carrière werkte hij ook aan digitale producten en softwareplatformen voor onder meer Bank van Breda, Wolters Kluwer, Krëfel en Vanbreda Risk & Benefits. Vandaag is hij co-founder van Impleminds. Bij Impleminds brengt Tim die verschillende technologische lagen samen tot één coherent geheel. Hij verbindt bestaande software, data, automatisering en AI tot een geïntegreerde digitale architectuur die processen vereenvoudigt, efficiëntie verhoogt en bedrijven beter laat schalen.
Voor KMO’s ligt daar volgens hem net een kans. Zij hebben doorgaans minder complexe structuren dan grote ondernemingen en kunnen daardoor sneller schakelen. Maar wie wil groeien, moet wel vermijden dat snelle oplossingen later een rem worden. “Je hoeft een KMO niet vol governance te steken. Je moet wel weten welke keuzes vandaag bepalen of je morgen nog kunt schalen.”
Veel bedrijven zeggen vandaag dat ze willen transformeren. Wat betekent dat concreet?
“Voor mij begint transformatie niet bij AI. Het begint bij de vraag: waar gaat vandaag tijd verloren en welke waarde krijgen we ervoor terug?”
Voor mij begint transformatie niet bij AI. Het begint bij de vraag: waar gaat vandaag tijd verloren en welke waarde krijgen we ervoor terug? Veel organisaties hebben daar verrassend weinig zicht op. Er zijn processen, teams, infrastructuur, softwarepakketten en afspraken die historisch gegroeid zijn, maar niemand bekijkt nog fundamenteel of die manier van werken de beste is.
AI maakt dat gesprek urgenter, omdat bedrijven voelen dat er plots nieuwe mogelijkheden zijn. Alleen ontstaat dan snel de gedachte dat AI een soort shortcut is waarmee je bestaande overhead gewoon kunt wegautomatiseren. Zo eenvoudig is het niet. Er bestaat geen one-size-fits-alloplossing. Je moet heel specifiek kijken naar het bedrijf, zijn processen, data, mensen en doelstellingen.
Waarom speelt governance zo’n grote rol in grote ondernemingen?
Omdat de complexiteit toeneemt. Je krijgt juridische vereisten, security, HR, toegangsrechten, interne verantwoordelijkheden, regelgeving en allerlei afhankelijkheden tussen teams en systemen. Naarmate een organisatie groeit, kan dat steeds zwaarder gaan doorwegen.
Veel van die governance is bovendien geen vrije keuze. Ze komt voort uit regelgeving, risico’s of eisen waaraan een bedrijf moet voldoen. Denk bijvoorbeeld aan GDPR voor persoonsgegevens, cybersecurityverplichtingen zoals NIS2 waar die van toepassing zijn, de Europese AI-act en sectorspecifieke regels. Dat kan innovatie vertragen, maar governance is niet per definitie negatief. Goede governance kan security beheersbaar maken, verantwoordelijkheden duidelijk maken en voorkomen dat je later grote problemen krijgt.
Is die enterprise-ervaring dan wel relevant voor een KMO?
Absoluut, maar niet omdat een KMO dezelfde structuren moet kopiëren. Integendeel. Een kleinere onderneming heeft juist het voordeel dat ze minder lagen heeft en sneller kan implementeren.
De waarde van enterprise-ervaring zit vooral in het vooruitkijken. Je hebt al gezien wat er gebeurt wanneer systemen, processen en teams groter worden. Daardoor kun je bij een KMO vandaag keuzes maken die eenvoudig blijven, maar die morgen niet in de weg zitten. Je hoeft het wiel niet opnieuw uit te vinden en je kunt vermijden dat je bij elke groeifase ingrijpende aanpassingen moet doen of in het slechtste geval opnieuw moet bouwen.
Moet een KMO dan meer governance invoeren?
Nee. Wij verkopen geen governance. Het gaat om proportionele governance. Je moet vroeg genoeg nadenken over zaken die altijd belangrijk zijn en bij groei moeilijker beheersbaar worden, zoals security, databeheer, toegangsrechten, schaalbaarheid en verantwoordelijkheid.
Als je vandaag een optimalisatie bouwt die heel goed werkt, maar je ontdekt over twee jaar dat ze niet voldoet aan een noodzakelijke regel of niet kan meegroeien, dan moet je terug naar de tekentafel. Dan verlies je een deel van de waarde én van de investering die je al hebt gedaan. Goede keuzes vooraf moeten net voorkomen dat governance later een dure correctieronde wordt.
Waarom zou een ondernemer hier tijd in steken in plaats van in sales of R&D?
Omdat slechte processen tijd afnemen van sales, R&D en klantwerk. Het doel is niet om ondernemers meer met processen te laten bezig zijn. Het doel is net om repetitieve, foutgevoelige of administratieve stappen beter te organiseren, zodat mensen tijd terugkrijgen.
Technologie is daar een middel voor. Zeker in kleinere bedrijven, waar je niet voor elke nieuwe behoefte extra mensen of specialistische kennis kunt aannemen. Als technologie medewerkers kan ondersteunen, informatie automatisch kan klaarzetten of bepaalde handelingen kan uitvoeren, dan creëer je capaciteit zonder dat je organisatie even snel in omvang moet groeien.
Hoe pak je zo’n eerste traject aan?
We beginnen bij de mensen en de werking van het bedrijf. Wie doet wat? Welke taken keren voortdurend terug? Waar ontstaan fouten, vertragingen of dubbel werk? Welke software wordt gebruikt? Welke informatie wordt manueel overgezet? Waar houdt iemand nog een aparte Excel bij omdat het officiële systeem iets niet kan?
Daarna kijk je welke technologie naast die mensen kan staan om hen beter te laten werken. Ik vind het belangrijk om dat onderscheid te maken. Mensen zijn de basis van een bedrijf. Technologie moet hen helpen. Het uitgangspunt is niet: hoeveel mensen kunnen we vervangen? Het uitgangspunt is: waar kunnen we tijd vrijmaken en die tijd inzetten voor werk dat meer waarde creëert.
Veel zaakvoerders gebruiken vandaag al ChatGPT voor mails of teksten. Is dat geen AI-transformatie?
Het is AI-gebruik, maar meestal nog geen transformatie. Je ziet vaak dat het bestaande proces exact hetzelfde blijft en dat er gewoon een AI-tool bovenop komt. Iemand schrijft bijvoorbeeld zijn mails sneller. Dat is nuttig, maar het verandert de werking van het bedrijf niet fundamenteel. Iedereen blijft dan naast elkaar werken, zonder een gedeelde visie op hoe de organisatie vooruit moet.
De volgende stap is kijken naar het volledige proces. Waarom wordt die mail überhaupt geschreven? Welke informatie moet erin? Waar komt die informatie vandaan? Wat gebeurt er daarna? Kan een systeem informatie verzamelen, voorbereiden, controleren of een volgende actie triggeren? Dan spreek je over procesoptimalisatie, automatisatie en agents. Dat is een ander niveau dan alleen een betere tekst genereren.
Wat maakt AI-implementatie dan professioneel?
Dat je ze als onderdeel van een systeem bekijkt. Je moet processen begrijpen, data op orde hebben, weten welke modellen of tools geschikt zijn, nadenken over security en rechten, de kosten beheersen en ervoor zorgen dat de output betrouwbaar genoeg is voor het doel.
Voor sommige toepassingen volstaat een bestaand model. Voor andere toepassingen kan het nodig zijn om een model specifieker te sturen, te verrijken met bedrijfskennis of te trainen op relevante data. Maar ook dan geldt: slechte data geeft slechte resultaten. Data-engineering is daarom vaak een veel belangrijker deel van AI dan bedrijven vooraf verwachten.
Je legt veel nadruk op technische diepgang. Waarom is dat nodig voor een transformatietraject?
Omdat je voldoende moet begrijpen van wat je aanstuurt. Een manager hoeft niet elk onderdeel zelf te bouwen, maar moet wel begrijpen wat het team doet, welke keuzes er zijn en waar de risico’s zitten. Dat geldt ook voor AI.
Als je een bedrijf adviseert over een technologische transformatie zonder de technologie voldoende te begrijpen, kun je moeilijk inschatten wat haalbaar is, wat schaalbaar is of welke aanpak onnodig duur wordt. Je kunt niet geloofwaardig zeggen dat je een auto gaat ontwerpen als je niets begrijpt van hoe een auto werkt. Je hoeft niet elk onderdeel zelf te maken, maar je moet de gemaakte keuzes en hun impact wel voldoende kunnen beoordelen.
Je sprak ook over modellen trainen. Wat moeten ondernemers zich daarbij voorstellen?
Niet elk bedrijf moet een eigen model trainen. Dat wordt soms te snel als doel op zich voorgesteld. De vraag is eerst wat je precies wilt voorspellen, classificeren, beoordelen of automatiseren.
Als een bedrijf bijvoorbeeld zeer specifieke inschattingen wil laten maken op basis van eigen producten, dossiers of historische cases, dan heb je goede en relevante data nodig. Die data moet correct gestructureerd en bruikbaar zijn. Pas dan kun je bepalen of je met prompting, retrieval, fine-tuning of een andere aanpak de gewenste robuustheid krijgt. De technologie is niet het vertrekpunt. De gewenste output en de kwaliteit van de data zijn dat.
AI verandert ook het kostenmodel van software. Hoe belangrijk is dat?
Heel belangrijk. Klassiek kocht of huurde je software en wist je min of meer wat de kost was. Bij AI komen daar vaak gebruiksafhankelijke kosten bij. Modellen verwerken tokens, agents kunnen meerdere stappen uitvoeren en verschillende configuraties kunnen een groot verschil maken in kostprijs.
Daarom moet je niet alleen vragen: is AI hier de juiste oplossing? Je moet ook vragen: welk model gebruiken we, hoeveel context sturen we mee, hoeveel stappen voert een agent uit, welke kennis laden we telkens in en wat kost dat op schaal? Een slechte architectuur kan technisch werken en tegelijk economisch oninteressant zijn. Dat is een deel van AI-implementatie dat in het enthousiasme vaak wordt onderschat.
Is het doel uiteindelijk toch vooral besparen op mensen?
Dat is te beperkt. Het doel is vooral om mensen tijd terug te geven voor werk waar ze echt waarde kunnen toevoegen. Natuurlijk kan automatisatie financiële impact hebben. Als je structureel uren manueel werk wegneemt, is dat economisch relevant. Maar ik vind het vreemd om de gewonnen tijd automatisch te vertalen naar: dan hebben we minder mensen nodig.
Diezelfde capaciteit kun je ook gebruiken om sneller klanten te bedienen, fouten te verminderen, nieuwe producten te ontwikkelen of eindelijk ideeën uit te voeren waar mensen vandaag geen tijd voor hebben. In grote organisaties heb ik vaak gezien dat medewerkers goede ideeën hebben, maar dat ze verdrinken in operationele druk, overleg of verplichtingen. Als technologie daar ruimte kan creëren, kan ze innovatie versnellen.
Hoe belangrijk is het dat medewerkers zelf mee zijn in zo’n verandering?
Essentieel. Implementatie is niet alleen technologie. Mensen moeten begrijpen wat AI is, waarom een proces verandert en vooral wat het voor hen beter maakt.
Als je iemand alleen vertelt dat er een nieuw systeem komt, creëer je weerstand. Als die persoon merkt dat een frustrerende, repetitieve taak verdwijnt, informatie automatisch klaarstaat of er meer tijd komt voor inhoudelijk werk, dan wordt de waarde concreet. Technologie werkt pas echt wanneer ze onderdeel wordt van de dagelijkse werking.
Wat gebeurt er met bedrijven die AI en automatisatie grotendeels negeren?
Dat hangt sterk af van de sector en de ambitie. De bakker op de hoek die tevreden is met zijn huidige schaal staat voor een andere keuze dan een bouwbedrijf, transporteur of onderhoudsbedrijf dat wil groeien, meer op innovatie wil inzetten, sneller wil werken en grotere klanten wil bedienen.
Maar in elke competitieve markt geldt uiteindelijk hetzelfde: als een concurrent structureel sneller, goedkoper of consistenter kan werken, verandert de norm. Zeker voor grotere spelers en groeibedrijven wordt het moeilijk om daar volledig naast te blijven staan. Wie wacht tot het verschil zichtbaar groot is, dreigt op snelheid gepakt te worden en staat dan voor een veel moeilijker inhaalmanoeuvre.
“Wie wacht tot het verschil zichtbaar groot is, dreigt op snelheid gepakt te worden en staat dan voor een veel moeilijker inhaalmanoeuvre.”
Impleminds focust sterk op bedrijven die willen groeien. Wat is volgens jou een typisch groeiplafond?
Een groeiplafond kan financieel, organisatorisch of technisch zijn. Een bedrijf kan op een punt komen waarop extra omzet vooral extra chaos creëert. Er zijn meer mensen, meer communicatie, meer overdrachten en meer uitzonderingen, maar de waarde groeit niet evenredig mee.
Soms zit het plafond heel concreet in software die niet meer voldoet, manuele tussenstappen, losse spreadsheets of informatie die verspreid is over verschillende systemen en mensen. Een herkenbaar gevolg is dat verschillende mensen met andere informatie werken en elk een eigen idee hebben over hoe iets moet worden aangepakt. Daardoor gaat steeds meer tijd naar afstemming in plaats van uitvoering. Dat zijn allemaal signalen dat de manier van werken niet meer past bij de schaal die je wilt bereiken.
Moet zo’n bedrijf dan meteen een grote digitale transformatie starten?
Nee. Dat is net een fout die je vaak moet vermijden. Je moet niet het hele bedrijf overhoop halen omdat één onderdeel slecht loopt.
Begin met concrete knelpunten die een duidelijke impact hebben. Kijk waar tijd verloren gaat, waar fouten ontstaan, waar communicatie stroef verloopt of waar mensen telkens hetzelfde manuele werk doen. Los dat gericht op en meet wat het oplevert. Als de basis beter zit, kun je een grotere roadmap uittekenen. Kleine stappen zijn geen gebrek aan ambitie. Ze zorgen ervoor dat je leert wat werkt voordat je grotere investeringen doet.
“Kleine stappen zijn geen gebrek aan ambitie. Ze zorgen ervoor dat je leert wat werkt voordat je grotere investeringen doet.”
Hoe weet een ondernemer waar hij moet beginnen?
Door zijn werking heel concreet in kaart te brengen. Wat gebeurt er vanaf het moment dat een aanvraag binnenkomt? Wie neemt welke stap? Welke informatie wordt opnieuw ingevoerd? Waar wordt gewacht? Wat wordt gecontroleerd? Waar ontstaan uitzonderingen? Welke taken bestaan alleen omdat twee systemen niet gekoppeld zijn?
Ondernemers reflecteren veel op hun bedrijf, maar zodra het technisch wordt, weten ze niet altijd welke mogelijkheden realistisch of betaalbaar zijn. Daar zit voor mij een belangrijke rol voor een externe partij: niet beginnen met een tool verkopen, maar eerst zichtbaar maken waar de echte verbetering zit.
Is er vandaag te veel hype rond AI?
Er is in elk geval veel ruis. De drempel om AI te gebruiken is extreem laag geworden en dat is positief. Tegelijk zorgt dit ervoor dat heel uiteenlopende niveaus van expertise onder dezelfde noemer “AI” worden verkocht.
Je hebt mensen die zeer diep technisch bezig zijn, je hebt een grote laag content en advies eromheen, en je hebt bedrijven die vooral proberen te begrijpen wat voor hen relevant is. Het gevaar is dat een chatbot of zoekfunctie met AI-label wordt voorgesteld als transformatie. Dat kan een goede functie zijn, maar het is iets anders dan processen, data en systemen zo herinrichten dat een bedrijf aantoonbaar beter werkt.
Wat is dan uiteindelijk de rol van Impleminds?
Met Impleminds starten we met een financiële analyse van het bedrijf. Die vormt het uitgangspunt om te bepalen waar waarde verloren gaat en waar procesoptimalisatie, software, data, automatisering en AI de grootste financiële impact kunnen creëren.
De enterprise-ervaring helpt om verder vooruit te kijken dan de quick win. De technische kennis helpt om te beoordelen wat werkelijk mogelijk is. Maar voor een KMO moet het resultaat heel concreet blijven: minder verspilde tijd, minder fouten, betere inzichten, schaalbaardere processen en uiteindelijk een positieve financiële impact.
Hoe dringend is dit voor KMO’s?
De urgentie verschilt per sector, concurrentiedruk en groeiplan. Maar voor ondernemingen die willen schalen, grotere klanten willen bedienen of merken dat hun huidige werking tegen grenzen botst, is dit geen onderwerp voor binnen vijf jaar.
De technologie evolueert snel en de bedrijven die vandaag leren hoe ze ermee moeten werken, bouwen niet alleen tools, maar ook ervaring op. Dat verschil stapelt zich op. Daarom zou ik niet zeggen: transformeer alles nu. Ik zou zeggen: begin nu te begrijpen waar technologie in jouw bedrijf echte waarde kan creëren, pak de eerste concrete knelpunten aan en zorg dat wat je bouwt klaar is om mee te groeien.