Doorlooptijd AI-project in Belgische kmo: realistische termijnen
Hoelang duurt een AI-project in een kmo nu echt?
Wanneer een Belgische kmo-zaakvoerder een project rond artificiële intelligentie overweegt, komen er bijna altijd twee vragen in één adem: "wat kost het?" en "hoelang duurt het?". Op de eerste vraag geeft onze gids over de kosten van AI-integratie in een Belgische kmo een gedetailleerd antwoord. De tweede — de werkelijke doorlooptijd van een AI-project in een kmo — blijft in de meeste verkoopgesprekken verbazend vaag. Leveranciers beloven "enkele weken", ERP-integratoren spreken in kwartalen, en Amerikaanse cases beschrijven implementaties in 48 uur die in niets lijken op wat ik op het terrein in Wallonië zie.
Het eerlijke antwoord: tussen 2 weken en 9 maanden, afhankelijk van het projecttype, de kwaliteit van uw data en — de meest onderschatte factor — uw eigen interne beschikbaarheid. Een AI-assistent op een eenvoudig proces draait in twee tot vier weken. Een automatisering gekoppeld aan uw ERP, CRM en boekhouding vraagt twee tot vier maanden. Een maatwerkproject op eigen data kan zes tot negen maanden duren.
Dit artikel splitst die termijnen op per fase, benoemt de vijf factoren die planningen doen ontsporen, en reikt een beproefde methode aan om in 90 dagen een eerste meetbaar resultaat op te leveren.
De vier fasen van een AI-project en hun typische duur
Elk degelijk AI-project in een kmo doorloopt vier fasen. Eén fase comprimeren of overslaan is de belangrijkste oorzaak van de fouten bij AI-integratie die ik in de praktijk tegenkom.
Fase 1 — Scoping en audit: 1 tot 3 weken. U brengt kandidaat-processen in kaart, controleert de beschikbaarheid en kwaliteit van de data, en prioriteert use cases op basis van de verwachte winst. Kort, maar beslissend: een slordige scoping betaalt u driedubbel terug tijdens de implementatie. Het resultaat is een lastenboek voor uw AI-project dat scope, succescriteria en planning vastlegt.
Fase 2 — Prototype of pilot: 2 tot 6 weken. U bouwt een werkende versie op een beperkt domein: één proces, één team, één documenttype. Het doel is geen perfectie maar bewijs: levert de tool bruikbare output in uw reële omstandigheden?
Fase 3 — Uitrol en integratie: 3 tot 12 weken. Koppeling met bestaande systemen, afhandeling van uitzonderingen, geleidelijke opschaling. Dit is de meest variabele fase: alles hangt af van het aantal systemen dat met elkaar moet praten en van de staat van uw data.
Fase 4 — Adoptie en stabilisatie: 4 tot 8 weken. Opleiding van de teams, bijsturing van workflows, oplossen van randgevallen die pas bij dagelijks gebruik opduiken. Deze fase wordt systematisch te krap begroot, terwijl net zij bepaalt of het project zijn rendement oplevert of eindigt als onderbenutte tool.
Reële termijnen per projecttype: drie scenario's
Scenario 1 — AI-assistent op een eenvoudig proces: 2 tot 6 weken. Voorbeelden: inkomende e-mails sorteren en conceptantwoorden opstellen, vergaderverslagen genereren, ondersteund schrijven van productfiches. Geen diepe integratie; bestaande tools geconfigureerd op uw documentsjablonen. Een dienstenkmo van 12 mensen waarmee ik werkte, ging in 19 kalenderdagen van beslissing naar eerste automatische conceptmail.
Scenario 2 — Geïntegreerde automatisering: 2 tot 4 maanden. Voorbeelden: geautomatiseerde factuurverwerking gekoppeld aan de boekhouding, leadkwalificatie verbonden met het CRM, offertegeneratie op basis van prijshistoriek. Hier hangt de termijn minder af van de AI dan van de integratie: API-toegang verkrijgen, datastructuren begrijpen, uitzonderingen afhandelen. Reken op 8 tot 16 weken tussen kick-off en productiegebruik.
Scenario 3 — Maatwerkproject op eigen data: 6 tot 9 maanden. Voorbeelden: een aanbevelingsmotor op uw catalogus, een model voor vraagvoorspelling, grootschalige verrijking van productdata. Deze projecten doorlopen een datavoorbereidingsfase die vaak 50 tot 70% van de totale tijd opslorpt. Als uw data in heterogene Excel-bestanden zit, kan de voorbereiding alleen al drie maanden duren.
Het onderscheid tussen deze scenario's loopt grotendeels gelijk met de keuze tussen een AI-consultant en een no-code-oplossing: hoe meer geïntegreerd en specifiek het project, hoe meer gestructureerde begeleiding de werkelijke doorlooptijd verkort — paradoxaal genoeg, omdat ze de weken vermijdt die verloren gaan aan trial-and-error.
De vijf factoren die planningen doen ontsporen
Bij de projecten die ik in Wallonië volg, komen vertragingen zelden van de technologie. Dit zijn de vijf echte oorzaken, in volgorde van frequentie.
1. Interne beschikbaarheid. Veruit de belangrijkste factor. Een AI-project vraagt interne tijd ter waarde van 30 tot 50% van de externe inspanning: workshops, output valideren, testen, voorbeelden aanleveren. In een kmo waar zaakvoerder en verantwoordelijken al de dagelijkse werking dragen, schuift elke week vertraging in feedback de hele planning op. Een project van 8 weken wordt er een van 16 weken, louter omdat de feedback mondjesmaat binnenkomt.
2. Datakwaliteit. Volgens de Europese Commissie gebruikte in 2024 amper 13,5% van de Europese kmo's AI (Digital Decade Report), en de staat van de interne data is een van de grootste remmen. Dubbele klantenfiches, inconsistente productreferenties, onvolledige historieken: elke anomalie die onderweg opduikt, betekent extra ongeplande dagen opschoning.
3. Toegangen en externe afhankelijkheden. Een API-sleutel verkrijgen bij uw ERP-leverancier, een koppeling laten valideren door uw boekhouder, wachten op uw IT-onderaannemer: deze externe afhankelijkheden voegen geregeld 2 tot 6 weken toe, en ze ontbreken bijna altijd in de oorspronkelijke planning.
4. Scope creep. "Nu we toch bezig zijn, kunnen we ook niet…" — de zin die een pilot van 6 weken verandert in een werf van 6 maanden. Elke toevoeging lijkt marginaal; de optelsom vernielt de planning. De remedie: alles noteren in een "fase 2"-lijst en eerst de oorspronkelijke scope opleveren.
5. Compliance en juridische validatie. GDPR, beroepsgeheim, de Europese AI-verordening: afhankelijk van uw sector kan de validatie van de compliance-aspecten meerdere weken vragen, zeker als u extern advies inwint. Bouw die controle beter in tijdens de scopingfase dan ze te ontdekken bij de uitrol — onze gids over gegevensbeveiliging en AI zet de aandachtspunten op een rij.
De 90-dagenmethode: snel opleveren zonder brokken
Mijn overtuiging na tientallen projecten: voor een kmo is 90 dagen de optimale horizon voor een eerste AI-project. Lang genoeg om het degelijk aan te pakken, kort genoeg om het momentum vast te houden en een resultaat te meten vóór de organisatie afhaakt.
Concreet hanteer ik deze opdeling:
Dag 1 tot 15 — Strakke scoping. Eén enkele use case, gekozen uit de meest automatiseerbare taken in uw activiteit. Selectiecriteria: hoog volume, duidelijke regels, toegankelijke data, winst meetbaar in uren of euro's.
Dag 16 tot 45 — Pilot op een reëel domein. Geen demo op fictieve data: een pilot op uw echte documenten, uw echte klanten, uw echte uitzonderingen. Op het einde van deze periode weet u of het werkt in uw omstandigheden.
Dag 46 tot 75 — Geleidelijke uitrol. Uitbreiding naar de volledige flow, integratie in de dagelijkse tools, afhandeling van de randgevallen die tijdens de pilot opdoken.
Dag 76 tot 90 — Meting en opleiding. Voor/na-vergelijking op de indicatoren uit de scoping, opleiding van het team, en een gedocumenteerde beslissing over het vervolg: uitbreiden, bijsturen of stoppen.
Dit ritme veronderstelt één voorwaarde: dat iemand intern 2 tot 4 uur per week vrijmaakt voor het project. Zonder dat minimum houdt geen enkele methode stand.
Termijnen en overheidssteun: reken de Waalse procedures mee
Als u een deel van uw project wil financieren met regionale steunmaatregelen, neem dan de administratieve doorlooptijden op in uw planning. De behandeling van een digitaliseringsdossier in Wallonië duurt doorgaans enkele weken tot enkele maanden, afhankelijk van de maatregel — onze gids over de digitaliseringspremie in Wallonië loodst u door de procedures. Het portaal Digital Wallonia bundelt de actieve maatregelen en hun voorwaarden.
Twee praktische regels. Eén: koppel de technische start nooit aan de goedkeuring van de steun — als het project enkel rendabel is mét subsidie, is dat een alarmsignaal over zijn werkelijke ROI. Twee: controleer de timingvoorwaarden van de maatregel — sommige steunregelingen eisen dat de prestaties pas starten na aanvaarding van het dossier, wat een startvertraging kan opleggen die u beter kent vóór u een dienstverlener vastlegt.
Wat aangekondigde termijnen verzwijgen: de vragen die u moet stellen
Wanneer een dienstverlener een termijn noemt, laten drie vragen toe het realisme van zijn voorstel in te schatten.
"Omvat deze termijn ook de adoptiefase?" Veel offertes stoppen bij de technische ingebruikname. Maar tussen "de tool werkt" en "het team gebruikt hem elke dag correct" liggen 4 tot 8 weken werk. Een termijn zonder opleiding of stabilisatieperiode is een afgeknotte termijn.
"Wat zijn mijn verplichtingen binnen deze planning?" Eis een planning die uw mijlpalen toont: wanneer moet u voorbeelden aanleveren, output valideren, gebruikerstijd vrijmaken? Als de dienstverlener daar niet op kan antwoorden, heeft hij niet uw project gepland, maar het zijne.
"Wat gebeurt er als de data niet het verwachte niveau haalt?" Het antwoord onthult de echte kmo-ervaring van de dienstverlener. Wie al heeft opgeleverd in omgevingen met onvolmaakte data, heeft een gestructureerd antwoord klaar: voorafgaande audit, bufferbudget, terugvalscenario. Wie antwoordt "dat komt nooit voor", heeft nog nooit met een echte kmo gewerkt.
Volgens de digitaliseringsbarometer van de FOD Economie (digitale statistieken van Belgische ondernemingen) groeit de AI-adoptie bij Belgische bedrijven, maar blijft ze geconcentreerd bij grote structuren — precies omdat kmo's referentiepunten missen over de werkelijke inspanning die deze projecten vergen. De echte termijnen kennen, is al een stuk controle terugwinnen.
Conclusie: een realistische planning is meer waard dan een snelle belofte
Onthoud drie grootteordes: 2 tot 6 weken voor een AI-assistent op een eenvoudig proces, 2 tot 4 maanden voor een automatisering geïntegreerd met uw systemen, 6 tot 9 maanden voor maatwerk. En één principe: de beperkende factor is bijna nooit de technologie, wel de beschikbaarheid van uw team en de staat van uw data.
Wilt u uw project binnen deze vorken situeren — en weten wat in uw specifieke context de termijn kan verlengen of verkorten? Praat erover met ons. Ik bied een gratis diagnose van 30 minuten om uw use case te beoordelen, de haalbaarheid op uw data te checken en u een realistische planning per fase te bezorgen. Bekijk ook ons volledige aanbod AI-diensten voor kmo's.