in het kort
- Zodra iedereen eigen tools, prompts en agents koppelt, wordt AI een architectuurvraagstuk en dreigt nieuwe digitale versnippering.
- Een bruikbare AI-architectuur voor het mkb heeft vijf lagen: individuele AI, skills, plugins, agents en een tweede brein.
- Goede werkwijzen groeien van persoonlijke skill naar organisatieskill, zo wordt AI ook een instrument voor kennismanagement.
- Begin met afgebakende processen en laat agents meegroeien met de volwassenheid van je organisatie.
AI implementeren gaat niet over het kiezen van één slimme chatbot. Het gaat over het ontwerpen van een organisatie waarin mensen, kennis, systemen en AI steeds slimmer met elkaar samenwerken.
veel organisaties beginnen hun ai-reis op dezelfde manier
Een medewerker neemt een abonnement op ChatGPT of Claude. Een andere collega gebruikt Microsoft Copilot. Iemand binnen marketing heeft een slimme promptbibliotheek gemaakt. Finance experimenteert met een eigen agent. En ondertussen vraagt het management zich af: hoe maken we hier één geheel van?
Dat is het moment waarop AI niet langer alleen een adoptievraagstuk is, maar ook een architectuurvraagstuk wordt. Want als iedere medewerker zelfstandig tools, prompts, agents en databronnen aan elkaar gaat koppelen, ontstaat al snel een nieuwe digitale versnippering.
De interessante vraag is daarom niet welke AI-tool je moet kiezen, maar welke AI-architectuur je nodig hebt om mensen individueel slimmer te laten werken én tegelijkertijd collectieve intelligentie op organisatieniveau op te bouwen. Dat vraagt om een gelaagde benadering.
van individuele ai naar collectieve intelligentie
Een bruikbare AI-architectuur voor een mkb-organisatie kun je opbouwen uit vijf samenhangende lagen:
- Individuele AI
- Skills
- Plugins of afdelingscapaciteiten
- Agents
- Het tweede brein
Het belangrijkste uitgangspunt is dat deze onderdelen niet los van elkaar staan. Samen vormen ze een systeem waarin kennis, werkwijzen en ervaringen steeds opnieuw kunnen worden gebruikt. Hoe dat er bij jou uitziet, verschilt per organisatie: AI goed toepassen is vaak een puzzel en altijd maatwerk.
Laag 1. Individuele AI: iedere medewerker krijgt een digitale werkpartner
De eerste laag begint bij de medewerker. Iedere medewerker zou uiteindelijk toegang moeten hebben tot een persoonlijke AI-omgeving die helpt om sneller en slimmer te werken.
Die AI hoeft niet voor iedereen hetzelfde te zijn. Een accountmanager heeft andere behoeften dan een controller, projectmanager of HR-adviseur. De persoonlijke AI kan bijvoorbeeld beschikken over:
- persoonlijke context en voorkeuren;
- eigen bestanden en werkcontext;
- persoonlijke skills;
- relevante organisatiekennis;
- toegang tot goedgekeurde afdelingscapaciteiten;
- toegang tot agents.
Daarmee verschuift AI van een algemene chatbot naar een persoonlijke digitale werkpartner.
Een accountmanager kan bijvoorbeeld vragen:
“Bereid mijn gesprek met klant X voor.”
De AI weet vervolgens hoe die medewerker een klantgesprek graag voorbereidt, maar kan tegelijkertijd gebruikmaken van gevalideerde informatie en processen van de organisatie.
Dat onderscheid tussen persoonlijke context en organisatiecontext is cruciaal. De organisatie hoeft namelijk niet alles centraal te standaardiseren. Er moet juist ruimte blijven voor medewerkers om hun eigen manieren van werken te ontwikkelen.
Laag 2. Skills: maak goed werk herbruikbaar
De volgende stap is het ontwikkelen van skills. Een skill is een herbruikbare vaardigheid waarmee AI een specifieke taak volgens een vaste werkwijze kan uitvoeren.
Denk bijvoorbeeld aan:
- een klantgesprek voorbereiden;
- een offerte analyseren;
- een projectupdate schrijven;
- een contract controleren;
- een marktanalyse uitvoeren;
- een vacaturetekst opstellen;
- een managementrapportage samenvatten.
Een goede skill bevat niet alleen een prompt. De skill beschrijft eigenlijk:
wat moet gebeuren → welke informatie is nodig → welke stappen moeten worden gevolgd → welke tools mogen worden gebruikt → hoe ziet een goed resultaat eruit?
Hier ontstaat een interessante ontwikkeling. Een medewerker kan zelf een skill ontwikkelen, bijvoorbeeld “mijn manier om een goede offerteanalyse te maken”. Als die skill goed blijkt te werken, kan het team hem testen. Vervolgens kan hij worden gevalideerd en uiteindelijk beschikbaar worden gesteld aan de hele organisatie.
Zo ontstaat een beweging van:
persoonlijke skill → teamskill → afdelingsskill → organisatieskill
Daarmee wordt AI ineens ook een instrument voor kennismanagement.
De beste werkwijzen van medewerkers verdwijnen niet langer in persoonlijke documenten, hoofden of promptbibliotheken, maar worden omgezet in herbruikbare digitale vaardigheden.
Laag 3. Plugins: de AI-gereedschapskist van een afdeling
De volgende laag kunnen we zien als een plugin- of capaciteitenlaag. Hierbij gebruiken we het begrip plugin breder dan alleen een technische koppeling. Een plugin is in deze architectuur een logisch pakket voor een bepaalde afdeling of functie.
Neem bijvoorbeeld een salesplugin. Daarin kunnen zitten:
- sales-skills;
- sales-agents;
- instructies;
- templates;
- referentiedocumenten;
- toegang tot het CRM;
- productinformatie;
- prijsinformatie;
- API’s en koppelingen;
- beleid en spelregels.
Hetzelfde principe kun je toepassen op een plugin voor HR, finance, operations of management. Zo krijgt iedere afdeling als het ware haar eigen AI-gereedschapskist.
Dat heeft een belangrijk organisatorisch voordeel. Je hoeft niet één gigantische bedrijfs-AI te bouwen die alles kan. Je bouwt gespecialiseerde sets rondom herkenbare bedrijfsdomeinen.
Laag 4. Agents: van AI die antwoord geeft naar AI die werk uitvoert
Vanaf deze laag verandert het karakter van AI.
Een chatbot wacht op een vraag. Een agent krijgt een doel.
Microsoft beschrijft een agent bijvoorbeeld als een combinatie van een model, instructies en tools. Een agent kan informatie ophalen, tools aanroepen en meerdere stappen uitvoeren om een taak te voltooien.
Stel dat een accountmanager zegt:
“Bereid de kwartaalreview voor klant X voor.”
Een sales-agent kan vervolgens:
CRM-informatie ophalen → eerdere afspraken analyseren → openstaande offertes bekijken → financiële gegevens opvragen → recente correspondentie analyseren → risico’s signaleren → groeikansen identificeren → een presentatie voorbereiden.
Wanneer nodig kan de sales-agent andere gespecialiseerde agents inschakelen. Bijvoorbeeld:
sales-agent → finance-agent voor margeanalyse → legal-agent voor contractvoorwaarden → operations-agent voor levercapaciteit → terug naar de sales-agent
Zo ontstaat een netwerk van digitale specialisten.
Microsoft ondersteunt inmiddels ook verschillende manieren om meerdere agents samen te laten werken, van eenvoudige beheerde varianten tot complexere opzetten die je zelf programmeert.
Voor een mkb-organisatie betekent dit dat je niet meteen tientallen zelfstandige agents hoeft te bouwen. Begin met afgebakende processen. Maak agents gespecialiseerd en laat hun verantwoordelijkheden meegroeien met de volwassenheid van de organisatie.
Laag 5. Het tweede brein van de organisatie
Uiteindelijk ontstaat de interessantste laag: het tweede brein, ook wel second brain genoemd. Daarmee bedoelen we niet simpelweg één grote database waarin alle documenten worden opgeslagen. Een volwassen tweede brein verbindt:
kennis + geheugen + relaties + ervaringen + feedback + processen + resultaten
Hiermee verandert AI van een systeem dat bestaande kennis kan vinden in een systeem waarmee een organisatie structureel kan leren. Stel bijvoorbeeld dat een sales-agent honderden offertes ondersteunt. De organisatie kan vervolgens analyseren welke offertes je wint en welke je verliest, bij welke klanttypen, welke proposities werken en welke argumentatie aanslaat.
Daaruit ontstaan nieuwe inzichten. Die inzichten kunnen vervolgens worden verwerkt in bestaande skills. De verbeterde skills worden weer gebruikt door agents. Agents ondersteunen medewerkers.
En de resultaten daarvan vloeien opnieuw terug.
Zo ontstaat een vliegwiel:
medewerker → skills → plugins → agents → tweede brein → inzichten → betere skills → betere agents → betere medewerkers
Dat is het verschil tussen AI gebruiken en een lerende organisatie bouwen.
systeemarchitectuur
Dan komt de architectuurvraag, en daarmee een fundamentele keuze: op welk technologisch fundament bouw je dit?
Grofweg zijn er drie mogelijkheden:
Optie A: alles op één ecosysteem. Bijvoorbeeld Microsoft.
Optie B: volledig hybride. Je combineert per onderdeel de beste AI-platformen en modellen.
Optie C: een gecontroleerde hybride architectuur. Je kiest één centraal fundament voor je organisatie, maar houdt de AI- en agentlaag bewust open.
Voor veel mkb-organisaties is vooral die derde optie interessant. Daarover schrijf ik later meer, want het bovenstaande is vaak al een hersenkraker.
Vergeet niet: een onderscheidend merk werkt, en slim werken met AI versterkt het. Succes.
veelgestelde vragen
Uit welke lagen bestaat een AI-architectuur voor het mkb?
Uit vijf samenhangende lagen: individuele AI, skills, plugins of afdelingscapaciteiten, agents en een tweede brein van de organisatie. Elke laag bouwt voort op de vorige, dus je begint onderaan en groeit stap voor stap.
Wat is een tweede brein van de organisatie?
Een gedeelde, doorzoekbare plek waar de kennis van je bedrijf staat: processen, beslissingen, klantinformatie en je merk. Mensen en AI werken daar vanuit, zodat antwoorden uit jouw organisatie komen in plaats van uit het internet.
Wat is een skill?
Een skill is een herbruikbare werkwijze waarmee AI een specifieke taak uitvoert: wat er moet gebeuren, welke informatie nodig is, welke stappen en tools erbij horen en hoe een goed resultaat eruitziet. Zo krijg je elke keer dezelfde kwaliteit.
Moet je meteen tientallen agents bouwen?
Nee. Begin met één afgebakend proces, maak agents gespecialiseerd en laat hun verantwoordelijkheden meegroeien met je organisatie. Eén goed werkende agent levert meer op dan tien halve.
vertel waar je tegenaan loopt
In een half uur kijken we samen waar AI in jouw bedrijf het meeste oplevert en wat de eerste stap is. Geen pitch, wel een eerlijk beeld. Laat je gegevens achter, dan plannen we een kennismaking, online of bij jou op locatie.
je aanvraag is binnen
Dank je. Arthur neemt persoonlijk contact met je op.

arthur wensveen
Oprichter van Potentify. Werkte vijftien jaar als ondernemer en begeleidt mkb-bedrijven bij hun merk en bij AI die meewerkt.
volg Arthur op LinkedIn(opent in een nieuw tabblad)



