Digitale volwassenheid MKB: 4 fases + zelftest

Digitale volwassenheid in het MKB is geen rapportcijfer maar een fase — en de meeste ondernemers zitten een fase lager dan ze denken. Nederland staat volgens het CBS in de Europese top drie: 89 procent van de mkb-bedrijven haalde in 2025 het basisniveau van digitale intensiteit, tegen 83 procent in 2023. Maar dat basisniveau betekent niet meer dan dat een bedrijf minstens vier van twaalf door de EU geselecteerde technologieën gebruikt. Vier losse tools naast elkaar zetten is iets anders dan een organisatie waarin data doorstroomt.

Dat gat wordt zichtbaar zodra AI in beeld komt. Uit onderzoek van SAS en IDC onder ruim 1.600 mkb-leiders blijkt dat bijna 70 procent nog in de twee laagste volwassenheidsfases zit. Dit artikel is daarom een diagnose, geen stappenplan: je bepaalt met een zelftest in welke van vier fases je zit, wat je daar vasthoudt en welke stap dan logisch is.

Wat betekent digitale volwassenheid in het MKB?#

Digitale volwassenheid is de mate waarin data in je organisatie zonder menselijke tussenkomst van de ene stap naar de volgende komt. Niet hoeveel software je hebt, maar hoe ver informatie komt voordat iemand haar moet oppakken, overtypen of opzoeken. Dat is een wezenlijk andere vraag dan "zijn wij gedigitaliseerd", en hij levert een ongemakkelijker antwoord op.

Volwassenheid is doorstroming, geen toolbezit#

De meeste volwassenheidschecks tellen technologie: heb je een CRM, een boekhoudpakket, een cloudomgeving? Zo werkt ook de EU-maatstaf waar het CBS mee rekent — vier van twaalf technologieën en je haalt het basisniveau. Die drempel is nuttig voor Europese vergelijking, maar hij zegt niets over samenhang. Een bedrijf met zes systemen die elkaar niet kennen scoort hoger dan een bedrijf met drie systemen die perfect gekoppeld zijn, terwijl dat tweede bedrijf aantoonbaar volwassener werkt.

Meet daarom niet je gereedschapskist maar je overdrachten. Elke plek waar een medewerker data uit systeem A haalt om die in systeem B te zetten, is een overdracht. Hoe minder overdrachten per proces, hoe hoger je fase.

Waarom Nederland tegelijk koploper en achterblijver is#

De cijfers lijken elkaar tegen te spreken. Uit het Future Ready Business-rapport van Wolters Kluwer (maart 2026, ruim duizend mkb-bedrijven in acht Europese landen) komt het Nederlandse MKB naar voren als het digitaal meest volwassen van Europa: 31 procent werkt volledig in de cloud, 50 procent hybride, en 84 procent wil de komende drie jaar méér in AI investeren — het hoogste percentage van alle onderzochte landen.

Tegelijk gebruikt volgens het CBS 33 procent van de bedrijven met tien of meer medewerkers AI-technologie, en die 33 procent is bijzonder ongelijk verdeeld: 70 procent in de IT- en communicatiesector tegenover 16 procent in de horeca. De ambitie is dus landelijk hoog, de uitvoering sterk sectorafhankelijk.

Die spanning tussen willen en kunnen is precies wat SAS en IDC de readiness-reality gap noemen: investeringsbereidheid loopt vooruit op het fundament. Een fase-model maakt zichtbaar wáár dat fundament ontbreekt.

Welke vier fases kent digitale volwassenheid?#

We werken met vier fases, benoemd naar waar de data leeft in plaats van naar welke software je gebruikt. Software veroudert; de vraag "waar staat mijn informatie en wie moet haar verplaatsen" niet.

Hoe dit model zich verhoudt tot het SAS/IDC-model#

Deze indeling loopt bewust parallel aan de vier AI-volwassenheidsfases die SAS en IDC hanteren — experimental, opportunistic, structured en integrated — maar legt de nadruk anders. Waar zij kijken naar hoe georganiseerd je AI-inzet is, kijkt dit model naar de datastroom die aan die inzet voorafgaat. In de praktijk lopen ze gelijk op: een bedrijf dat AI experimenteel inzet, zit vrijwel altijd in fase 2, omdat versnipperde data alleen geïsoleerde pilots toelaat.

Dat verklaart ook waarom bijna 70 procent van het MKB in die onderste twee fases blijft hangen. Het is geen gebrek aan ambitie of budget. Het is dat de sprong naar fase 3 een datavraagstuk is en geen toolvraagstuk, en dat geen enkele leverancier hem voor je oplost door iets te verkopen.

Waarom fases en geen niveaus#

Een niveau suggereert een prestatie die je behaalt en behoudt. Een fase is een toestand waar je in zit en weer uit kunt vallen. Dat gebeurt vaker dan je denkt: een bedrijf in fase 3 dat een systeem vervangt zonder de koppelingen mee te verhuizen, zakt terug naar fase 2 en merkt dat pas als de eerste facturen dubbel binnenkomen.

Zelftest: in welke fase zit jouw bedrijf?#

Twaalf stellingen, drie per fase. Loop ze langs voor je hoofdproces — meestal order-tot-factuur — en beantwoord ze met ja of nee. Niet voor hoe het zou moeten werken, maar voor hoe het vorige week werkelijk ging.

De twaalf stellingen#

Fase 1 gepasseerd als je alle drie met ja beantwoordt:

1. Elke order komt binnen via een digitaal kanaal (formulier, portaal, e-mail met vaste structuur) en niet telefonisch of op papier.
2. Er is geen enkele stap in dit proces waarvoor iemand een papieren document moet zoeken.
3. Als de meest ervaren medewerker morgen wegvalt, kan een collega het proces uitvoeren zonder te bellen.

Fase 2 gepasseerd als je alle drie met ja beantwoordt:

4. Klant- en ordergegevens worden precies één keer ingevoerd en daarna nergens overgetypt.
5. Elk begrip — klantnaam, artikelcode, projectnummer — heeft in alle systemen dezelfde schrijfwijze.
6. Er staat geen Excel-bestand tussen twee systemen in om ze te laten samenwerken.

Fase 3 gepasseerd als je alle drie met ja beantwoordt:

7. Je kunt zonder handmatig rekenwerk zien hoeveel doorlooptijd dit proces vorige maand gemiddeld had.
8. Van dit proces bestaat minstens twaalf maanden aan gestructureerde, doorzoekbare historie.
9. Afwijkingen komen automatisch bovendrijven in plaats van dat iemand ze toevallig opmerkt.

Fase 4 bereikt als je alle drie met ja beantwoordt:

10. Er is minstens één beslissing in dit proces die een model neemt op basis van patronen, niet op basis van een ingeprogrammeerde regel.
11. Iemand is formeel verantwoordelijk voor het beoordelen van die modeluitkomsten.
12. Je kunt uitleggen en aantonen waarom het model tot een bepaalde uitkomst kwam.

Hoe je je uitkomst leest#

Je fase is de hoogste waarvan je álle drie de stellingen met ja beantwoordt. Struikel je bij stelling 6, dan zit je in fase 2 — ook als je stelling 7 en 9 met ja kon beantwoorden. Dat voelt streng en is het ook, maar het weerspiegelt de praktijk: één handmatige overdracht in de keten maakt alles daarna afhankelijk van die overdracht.

Twee uitkomsten verdienen extra aandacht. Beantwoord je stelling 10 met ja terwijl je struikelt bij 4 of 6, dan heb je AI bovenop versnipperde data gezet — de configuratie waar de meeste teleurstellingen vandaan komen. En beantwoord je 11 en 12 met nee terwijl je wel modellen inzet, dan is dat niet alleen een volwassenheidsprobleem: menselijk toezicht en uitlegbaarheid zijn ook verplichtingen onder de AI-verordening. Uit KVK-onderzoek onder 651 ondernemers had slechts 2 tot 3 procent daadwerkelijk voorbereidende maatregelen genomen.

Hoe herken je elke fase in de praktijk?#

De stellingen geven je een uitkomst. Deze beschrijvingen geven je herkenning — en per fase het ene knelpunt dat je er werkelijk vasthoudt.

Fase 1: handmatig#

Kenmerkend is niet de afwezigheid van computers, maar de afwezigheid van vastlegging. Er is een boekhoudpakket en er is e-mail, maar het proces zelf leeft in gesprekken, notitieblokken en gewoontes. Vraag je wanneer een order binnenkwam, dan volgt een zoektocht.

Wat je vasthoudt: niemand kan het proces beschrijven zonder erbij te zitten. Zolang de werkwijze impliciet is, valt er niets te digitaliseren — je zou een gewoonte moeten programmeren.

Signaal dat je toe bent aan fase 2: je kunt het proces op één A4 tekenen en iedereen die het uitvoert herkent zich erin.

Fase 2: versnipperd#

Dit is waar het merendeel van het Nederlandse MKB zit, en de fase die het langst duurt. Alle systemen zijn er en werken naar behoren — afzonderlijk. Het werk zit in de ruimte ertussen: exporteren, kopiëren, corrigeren. Vaak is er één medewerker die stilzwijgend de integratielaag ís, met een Excel-bestand dat niemand anders begrijpt.

Wat je vasthoudt: je datavelden zijn niet gestandaardiseerd. Zolang "Bakkerij De Zon" in het CRM, "Bakkerij de Zon BV" in de boekhouding en "de Zon" in de planning staat, faalt elke koppeling die je bouwt — en dat merk je pas ná de bouw.

Signaal dat je toe bent aan fase 3: je hebt per systeem één afgesproken sleutelveld en de data is daarop opgeschoond.

Fase 3: verbonden#

Data stroomt. Een nieuwe order genereert vanzelf een taak, een factuurregel en een bevestiging. Het werk verschuift van uitvoeren naar het afhandelen van uitzonderingen — en daar gaat de tijd nu in zitten. Wie in deze fase klaagt over drukte, klaagt vrijwel altijd over uitzonderingen.

Wat je vasthoudt: je meet je proces nog niet. Zonder doorlooptijden, foutpercentages en volumes per stap heb je geen basis om te bepalen wélke beslissing het waard is om te modelleren.

Signaal dat je toe bent aan fase 4: je kunt één terugkerende beslissing aanwijzen, benoemen wat daar nu misgaat, en er twaalf maanden data bij leggen.

Fase 4: lerend#

Modellen nemen afgebakende beslissingen op basis van patronen: welke factuur wijkt af, welke offerte gaat waarschijnlijk converteren, welke voorraad loopt leeg voordat de standaardregel dat signaleert. Mensen beoordelen de uitzonderingen en de modeluitkomsten.

Wat je vasthoudt in deze fase: governance. Zonder iemand die uitkomsten controleert en zonder uitlegbaar besluitproces schaal je niet verder, en loop je bovendien tegen de AI-verordening aan. Fase 4 is geen eindstation maar een beheerregime.

Belangrijk: fase 4 is voor lang niet elk MKB-bedrijf het doel. Bij lage volumes levert een goed uitgevoerde fase 3 meer op dan een matig getraind model. Wanneer modelgestuurde beslissingen wél renderen, werken we uit bij AI-software.

Waarom mislukt het overslaan van een fase?#

Omdat elke fase de grondstof levert voor de volgende. Je kunt geen patronen leren uit data die niet bestaat, en geen data verzamelen uit een proces dat niet is vastgelegd.

Dat is in het Nederlandse MKB meetbaar. Uit onderzoek van FME, Metaalunie en Fontys onder mkb-maakbedrijven blijkt dat bij vier op de vijf de dataverzameling onvoldoende is ontwikkeld om AI zinvol in te zetten, en dat 83 procent onvoldoende inzicht heeft in welke productiestappen zich überhaupt voor AI-automatisering lenen. Dat tweede cijfer is het fase-probleem in één zin: wie zijn processen nooit heeft gemeten, weet niet waar de kansen zitten.

Het Dialogic-rapport voor de Rijksoverheid komt langs een andere weg tot dezelfde conclusie en benoemt beperkte digitalisering en onvoldoende datainfrastructuur als twee van de vijf belangrijkste barrières voor AI-gebruik in het MKB.

In onze eigen intakegesprekken zien we het patroon elk kwartaal terug: ongeveer een op de drie begint met "we willen iets met AI". Onze eerste vraag is dan altijd of ze kunnen laten zien hoe een order van binnenkomst tot factuur loopt. In de helft van de gevallen bestaat dat antwoord uit een combinatie van e-mail, telefoon, Excel en het geheugen van een ervaren medewerker. Dat is geen fase-4-vraagstuk. Dat is fase 1 of 2, en dat is goed nieuws: die sprong is goedkoper en sneller dan wat ze kwamen vragen.

Welke fout hoort bij welke fase?#

De valkuilen zijn opvallend voorspelbaar. Je herkent je fase vaak sneller aan de fout die je maakt dan aan de stellingen.

Die laatste is de hardnekkigste. De eigenaar hoeft geen IT-achtergrond te hebben — die persoon moet het proces kennen én bevoegd zijn de werkwijze te wijzigen. Ontbreekt dat mandaat, dan wordt elke fasesprong een softwareproject in plaats van een verandering.

Wat kost een fasesprong en hoelang duurt die?#

Onderstaande ranges komen uit onze eigen implementatietrajecten bij mkb-bedrijven met vijftien tot vijftig medewerkers. Ze zijn indicatief: de spreiding binnen één sprong is groter dan het verschil tussen twee sprongen.

Waarom je één sprong tegelijk doet#

Twee redenen. De eerste is financieel: elke sprong verdient zichzelf terug voordat de volgende begint, waardoor je nooit een groot bedrag vooruitfinanciert op een aanname. De tweede is inhoudelijk: de uitkomst van een sprong bepaalt hoe de volgende eruitziet. Welke koppelingen je in fase 3 nodig hebt, weet je pas als je in fase 2 hebt gezien waar de overdrachten werkelijk zitten.

Bedrijven die we begeleiden doen de sprong naar fase 2 doorgaans in het eerste halfjaar, de sprong naar fase 3 in de twaalf maanden daarna, en beslissen pas dán of fase 4 zinvol is. Reken met de ROI-calculator door wat een sprong in jouw situatie oplevert.

Wat doe je met de uitkomst van je zelftest?#

Je fase bepaalt welk vervolgartikel voor jou relevant is — en welk artikel je voorlopig kunt overslaan.

Zit je in fase 1 of 2? Dan is je vraag welke processen je in welke volgorde digitaliseert, en of je daarvoor standaardsoftware of maatwerk nodig hebt. Dat behandelen we in het stappenplan digitalisering bedrijfsprocessen, inclusief prioriteringscanvas, subsidie-overzicht en de afweging standaard versus maatwerk.

Zit je in fase 2 of 3? Dan is je vraag welk proces zich als eerste leent voor automatisering en of je daarvoor no-code of maatwerk kiest. Dat staat in bedrijfsprocessen automatiseren: waar begin je, met de drie-lijsten-inventarisatie en een plan voor de eerste dertig dagen.

Zit je in fase 3 of hoger? Dan gaat het om welke beslissingen zich lenen voor modellen en hoe je die beheerst. Onze complete gids over AI automatisering behandelt tools, kosten en ROI-meting, en AI-automatiseringssoftware laat zien hoe zo'n laag bovenop bestaande processen wordt gebouwd.

Weet je na de zelftest niet zeker waar je uitkomt — bijvoorbeeld omdat je processen onderling sterk verschillen — doe dan de gratis AI-scan voor een indicatie per proces, of plan een vrijblijvend gesprek. Eén eerlijke inventarisatie levert meer op dan drie tools waarvan je hoopt dat ze het gat dichten.