State of AI in het Nederlandse MKB 2025

Hoe dit rapport tot stand kwam#

Deze editie van het State of AI MKB-rapport is een industry-synthese: een gestructureerde samenvatting van primaire onderzoeksbronnen in plaats van eigen projectdata. Die keuze is bewust. Een consultancy-eigen dataset (n=50 projecten) is per definitie zelf-geselecteerd en niet representatief voor het bredere MKB. Nationale en Europese statistiekbureaus werken op steekproeven van tienduizenden bedrijven en bieden een betrouwbaarder beeld van de marktrealiteit.

Gebruikte primaire bronnen#

De onderstaande bronnen vormen de feitelijke basis van dit rapport. Elke statistiek in de volgende hoofdstukken is terug te voeren op een van deze publicaties.

• CBS AI Monitor 2024 — jaarlijkse Nederlandse steekproef onder bedrijven met 10+ werknemers, gepubliceerd januari 2025. Bron voor landelijke adoptiecijfers, sectorverdeling en barrières.
• CBS "Kenmerken van bedrijven die AI-technologie gebruiken" — aanvullende analyse op de AI Monitor met bedrijfsgrootte-uitsplitsing.
• Eurostat Digital Economy Statistics 2025 — EU-brede vergelijking op basis van de ICT-gebruik-enquête onder bedrijven in 27 lidstaten.
• McKinsey State of AI 2024 en de State of AI 2025-update — globale survey, gebruikt voor ROI-patronen, functieverschillen en schaal-uitdagingen.
• Stanford HAI AI Index Report 2025 — academische meta-analyse van AI-adoptie, investeringen en technische vooruitgang. Zie ook de policy highlights.
• SER Advies 25/03 "AI en werk" (mei 2025) — Nederlandse sociaal-economische raad over AI-impact op arbeidsmarkt.
• Strategie Digitale Economie Voortgangsrapportage 2024 (maart 2025) — Nederlandse rijksoverheid, MKB-digitalisering-beleid.
• NCO Jaarbericht Staat van het MKB 2025 — arbeidsproductiviteitspotentieel MKB.
• Gartner Hype Cycle for AI 2025 — technology-maturity-model, gebruikt voor trends 2025-2026.
• Regelgeving: EU AI Act (officiële EC-toelichting), Ondernemersplein.nl — Regels voor het werken met veilige AI.

Per kernsector zijn daarnaast branche-specifieke bronnen gebruikt. Deze staan onder het hoofdstuk "AI Toepassingen per Sector" met inline-verwijzing:

• Retail en e-commerce: Thuiswinkel Markt Monitor 2024 en de Thuiswinkel-jaarcijfers 2025, CBS Detailhandel, Eurostat AI-gebruik naar toepassingsgebied.
• Maakindustrie: FME Praktijk Cases Predictive Maintenance, TNO over robotisering in de maakindustrie, Smart Industry Productiviteitsagenda 2026-2028, Koninklijke Metaalunie, Machineverordening (EU) 2023/1230 en NIS2.
• Financiële dienstverlening: AFM/DNB-rapport over AI in de financiële sector, DNB-onderzoek naar AI bij verzekeraars, EBA RAQ-enquête en AI Act-factsheet, NVB over analytics tegen witwassen, DORA (EU 2022/2554), EU AI Act Annex III.
• Zorg: NVZ/NFU position paper "AI in de zorg", Monitor Digitale Zorg 2025 (RIVM/Nivel), AZW-trendrapportage arbeidsmarkt zorg en welzijn 2025, LHV over administratieve lasten, IGJ over generatieve AI, Gupta Strategists "Uitweg uit de schaarste".

Scope van dit rapport#

Het rapport richt zich op het Nederlandse MKB, gedefinieerd zoals CBS en de Europese Commissie doen: bedrijven met 10 tot 249 medewerkers. Voor context-doeleinden rapporteert CBS ook over bedrijven met 250+ medewerkers; die cijfers zijn meegenomen waar ze het MKB-perspectief verhelderen. Zelfstandigen zonder personeel (ZZP) vallen buiten de CBS-steekproef en buiten de scope van dit rapport.

Sectorale diepte wordt gegeven voor de vier kernsectoren waar externe primaire bronnen het rijkst zijn: retail/e-commerce, maakindustrie, financiële dienstverlening en zorg. Voor elke sector is minimaal één branche-specifieke bron gebruikt naast de landelijke cijfers.

Beperkingen#

Twee methodologische kanttekeningen zijn relevant voor lezers:

1. Steekproefgrens bij CBS en Eurostat is 10+ werknemers. Bedrijven onder de 10 fte zijn onderontwikkeld beschreven in officiële statistieken. Waar aannames over micro-MKB worden gedaan, is dat expliciet vermeld.
2. McKinsey en Stanford HAI zijn globale bronnen. NL-specifieke extrapolatie gebeurt voorzichtig; waar NL-cijfers afwijken van het globale beeld is dat benoemd (zie bijvoorbeeld de discrepantie tussen Stanford HAI 78 procent wereldwijd en CBS 22,7 procent NL).

Het rapport bevat geen eigen CleverTech AI-klantdata — niet omdat die er niet zijn, maar omdat ze voor deze publicatie geen representatieve bron vormen. De CleverTech AI-positie als implementatiepartner staat los van deze onafhankelijke synthese.

Sectorale verschillen in AI-gebruik#

De sectorale diepte rond AI-adoptie is grof op landelijk niveau, maar branche-organisaties vullen het beeld aan met specifiekere inzichten. Hieronder een synthese per kernsector op basis van primaire bronnen.

Retail en e-commerce#

Nederland telt volgens Thuiswinkel.org Markt Monitor 2024 een online-bestedingsvolume van circa 36 miljard euro (+5 procent ten opzichte van 2023). Thuiswinkel.org karakteriseert Nederlandse e-commerce-bedrijven als "financieel sterk en AI-gedreven", maar wijst tegelijk op voorzichtigheid bij investeringen vanwege economische onzekerheid en groeiende internationale concurrentie. De meest ingezette AI-toepassingen concentreren zich op productclassificatie, voorraadprognoses, gepersonaliseerde aanbevelingen en geautomatiseerde klantcommunicatie.

De CBS-data over de handel plaatst detailhandel en groothandel onder het landelijk gemiddelde voor AI-adoptie, met een sterke kopgroep grote online-retailers die ver voor loopt op de bredere sector. Dit resulteert in een "twee-snelheden-retail": pure-play e-commerce versnelt met AI, terwijl omni-channel en traditionele fysieke retail zich nog oriënteert.

De cijfers over 2025 laten zien dat die tweedeling zich doorzet, ook binnen het online-kanaal zelf. Het CBS meet over 2025 een detailhandelsomzet die 3,6 procent hoger ligt dan in 2024, waarbij de online omzet met 5,2 procent groeide en de omzet van webwinkels specifiek met 7,4 procent. Thuiswinkel.org komt voor 2025 uit op 35,7 miljard euro aan online consumentenbestedingen, 1 procent lager dan een jaar eerder — een daling die volledig uit diensten komt (reizen en evenementen -7 procent) terwijl productaankopen met 2 procent groeiden. Mobiel is inmiddels het dominante aankoopkanaal met 41 procent van alle online aankopen, 5 procentpunt meer dan in 2024; grensoverschrijdende bestedingen kwamen uit op 4,5 miljard euro.

Waar retailers AI inzetten, gaat het overwegend om de commerciële kant van het bedrijf. Eurostat rapporteert dat 52,9 procent van de AI-gebruikende retailbedrijven de technologie primair voor marketing en verkoop gebruikt — het hoogste aandeel van alle toepassingsgebieden binnen deze sector. Daar komt sinds eind 2025 een nieuwe distributielaag bij: volgens Digital Commerce 360, op basis van Adobe-data, steeg verwijzingsverkeer vanuit generatieve-AI-platforms tijdens het feestseizoen 2025 met 693 procent jaar-op-jaar en converteerde dat verkeer 31 procent beter dan andere bronnen. Voor Nederlandse webshops verschuift de vraag daarmee van "gebruiken wij AI" naar "zijn onze productdata leesbaar voor AI-assistenten".

Productie en industrie (maakindustrie)#

De Nederlandse maakindustrie is volgens AWS-onderzoek (2024) internationaal een van de koplopers in AI-adoptie, met circa 44 procent van de bedrijven die AI inzet — een cijfer dat hoger ligt dan de 22,7 procent uit de bredere CBS-steekproef omdat AWS specifiek grote maakindustrie-spelers samplete. FME, de brancheorganisatie voor de technologische industrie, identificeert drie dominante use-cases: predictive maintenance, kwaliteitsinspectie via computer vision, en voorraadoptimalisatie.

FME en AIC4NL hebben in 2024 gezamenlijk een AI Certified leerplatform voor de maakindustrie gelanceerd om het kennistekort in deze sector aan te pakken — een directe respons op het "gebrek aan ervaring"-probleem dat CBS landelijk meet.

Die kopgroep verhult een structureel productiviteitsprobleem. TNO constateert dat Nederland met 264 robots per 10.000 werknemers op plaats twaalf wereldwijd staat, terwijl Zuid-Korea, China en Duitsland tussen de 400 en meer dan 1.000 robots per 10.000 werknemers zitten, en stelt dat de arbeidsproductiviteit in de maakindustrie met minstens 50 procent omhoog moet om de concurrentiepositie te herstellen. De Smart Industry Productiviteitsagenda 2026-2028 houdt het op 15 tot 25 procent productiviteitswinst die met bewezen automatiserings- en AI-technologie binnen bereik ligt voor het industriële MKB — mits gericht ingezet op knelpunten in plaats van als generiek digitaliseringsproject.

Het knelpunt bij MKB-maakbedrijven ligt vóór het AI-model. Onderzoek onder MKB-maakbedrijven laat zien dat 80 procent data en sensoren onvoldoende heeft doorontwikkeld om modellen te voeden, en dat 83 procent geen concreet zicht heeft op welke processtappen zich lenen voor AI-automatisering. Koninklijke Metaalunie wijst daarom op MKB-specifieke regelingen zoals "Digitalisering en Robotisering 2.0 (JTF)" als opstap. Opvallend is bovendien waar AI in deze sector landt: volgens Eurostat zetten productiebedrijven AI het vaakst in voor marketing en verkoop (27 procent) en pas daarna voor de productieprocessen zelf (26 procent). De productievloer is dus niet automatisch het eerste toepassingsgebied.

Voor productiebedrijven komt de regeldruk bovendien niet alleen uit de AI Act. De Machineverordening (EU) 2023/1230 vervangt per 20 januari 2027 de Machinerichtlijn en stelt voor het eerst expliciete cybersecurity-eisen aan machines met machine-learning-componenten. De NIS2-richtlijn merkt de maakindustrie aan als "important entity", met verplicht ketenrisicomanagement en boetes tot 10 miljoen euro of 2 procent van de wereldwijde omzet. Productielijnen die vanaf 2026 worden ontworpen, moeten daar nu al op zijn ingericht — de Machineverordening loopt vóór op de hoog-risico-datum van de AI Act.

Financiële dienstverlening#

De Nederlandse financiële sector wordt nauw in de gaten gehouden door de DNB. In een gezamenlijk rapport (2024) constateren DNB en AFM dat banken, verzekeraars, vermogensbeheerders en pensioenfondsen "óf al AI inzetten, óf concrete plannen hebben". De meest genoemde toepassingen zijn chatbots voor klantcontact, fraudedetectie, kredietrisicomodellen en compliance-monitoring.

In cijfers is finance na ICT de best-adopterende sector van Nederland. De CBS AI-monitor meet 37,4 procent AI-gebruik in de financiële dienstverlening in 2024, tegen 27,4 procent in 2023. Nog opvallender is het omzetgewicht: 87,9 procent van de sectoromzet zit bij bedrijven die AI gebruiken, het hoogste aandeel van alle Nederlandse sectoren. Achter dat gemiddelde schuilt wel een scherpe tweedeling. DNB (Q1 2025) rapporteert dat bijna 80 procent van de grote en middelgrote verzekeraars AI in reguliere bedrijfsprocessen heeft, tegen 21 procent van de kleinere verzekeraars; het gebruik van hoog-risico-toepassingen blijft volgens DNB vooralsnog beperkt.

Europees bevestigt de EBA RAQ-enquête het toepassingsbeeld: banken zetten vooral regressie-analyse, beslisbomen, natural language processing en neurale netwerken in. In dezelfde factsheet (november 2025) concludeert de EBA dat er geen significante tegenstrijdigheden bestaan tussen de AI Act en de bestaande EU-bankwetgeving — het compliance-vraagstuk in finance is dus stapeling van kaders, geen conflict tussen kaders.

De hardste businesscase in de sector is compliance-automatisering. Volgens FintechFutures (2025) gaven ABN AMRO, ING, Rabobank en ASN Bank samen circa 1,4 miljard euro uit aan het bestrijden van witwassen in 2024, terwijl opsporingsinstanties dat jaar ongeveer 400 miljoen euro aan criminele activa in beslag namen. Diezelfde bron beschrijft dat de grootbanken de komende twee jaar circa 2.600 AML-controlefuncties afbouwen ten gunste van AI-gedreven transactiemonitoring, deels via het gezamenlijke Transaction Monitoring Netherlands. De NVB tekent daarbij aan dat zulke modellen alleen renderen bij goede datakwaliteit, uitlegbare architectuur en samenwerking in de keten.

Het toezichtskader stapelt in finance sneller dan in andere sectoren. DORA (EU 2022/2554) is sinds 17 januari 2025 van toepassing en trekt ook externe AI- en cloudleveranciers het ICT-risicomanagement en het derdepartijenregister in. Annex III van de EU AI Act merkt kredietwaardigheidsbeoordeling van natuurlijke personen en de risico-assessment en pricing van levens- en zorgverzekeringen aan als hoog-risico; fraudedetectie is daarvan expliciet uitgezonderd. En vanaf 10 juli 2027 vervangt de EU AMLR de Wwft, met ruimere FIU-bevoegdheden en een nieuwe Europese toezichthouder AMLA.

DNB formuleert voor 2026 drie focusgebieden: geopolitieke weerbaarheid, respons op technologische innovatie en versterking van cyberweerbaarheid. Financiële MKB-bedrijven (accountantskantoren, administratiekantoren, tussenpersonen) volgen deze curve met enige vertraging, maar krijgen te maken met dezelfde toezichtsvraagstukken rond modeltransparantie en aansprakelijkheid. Voor die groep is de meest concrete verwachting die van de NBA, die op basis van PwC-onderzoek uitgaat van circa 70 procent van de accountantsprocessen die binnen vijf jaar grotendeels geautomatiseerd is — reden waarom de beroepsorganisatie AI als ontwikkelthema voor 2026-2028 heeft aangewezen.

Zorgsector#

De zorg is in 2024 expliciet als AI-prioriteitsector benoemd door de rijksoverheid. NVZ en NFU publiceerden in september 2024 het position paper "AI in de zorg: versneld en verantwoord opschalen". Het ministerie van VWS heeft daaropvolgend aangegeven dat zorgverleners in 2030 de helft minder tijd aan administratie moeten besteden, met AI als belangrijk middel. Voor 2025 is volgens ICT&health 162 miljoen euro gereserveerd voor generatieve AI-inzet, digitalisering en standaardisatie in de zorg.

De drijfveer is capaciteit, niet innovatie. Het AZW-trendrapport 2025 prognosticeert bij ongewijzigd beleid een personeelstekort dat oploopt van circa 72.600 medewerkers in 2025 naar 261.800 in 2035. In de huisartsenzorg vertaalt die druk zich direct naar administratie: in een LHV-peiling onder 1.600 huisartsen geeft 85 procent aan te veel tijd kwijt te zijn aan taken die niet aan patiëntcontact bijdragen.

De concrete AI-toepassingen in Nederlandse zorg draaien in 2024-2025 vooral om administratieve lastverlichting (verslaglegging via spraak-AI, automatische codering) en planning en logistiek (afspraakplanning, bedcapaciteit). TNO benadrukt dat zorg-AI strenge eisen stelt aan privacy, verklaarbaarheid en klinische validatie — hogere drempels dan in andere sectoren.

Die accentverschuiving is meetbaar. ICT&health rapporteert dat AI-gebruik in Nederlandse zorginstellingen groeide van 43 procent in 2024 naar 70 procent in 2025, terwijl AI voor diagnose in dezelfde periode daalde van 48 naar 32 procent en AI voor gepersonaliseerde behandeling van 52 naar 31 procent. De Monitor Digitale Zorg 2025 van RIVM en Nivel ziet dezelfde beweging: de groei zit in spraakgestuurde verslaglegging, medische informatievoorziening en administratieve ondersteuning. De AI Monitor Ziekenhuizen 2026 (M&I/Partners) bevestigt de rangorde: 57 procent van de ziekenhuizen experimenteert met generatieve AI, het vaakst in administratie en facturatie (80 procent), daarna diagnostiek (71 procent) en communicatie (65 procent).

Twee remmen verklaren waarom de klinische kant terugloopt. De eerste is infrastructuur: ICT&health meldt dat 93 procent van de IT-beslissers in de zorg verouderde systemen als belemmering noemt, en NVZ en NFU wijzen op dataversnippering en kennistekort als reden dat pilots niet opschalen. De tweede is compliance-stapeling: NEN 7510:2024 geldt sinds 16 december 2024 en verplicht onder meer versleuteling van gevoelige patiëntgegevens, AI die als medisch hulpmiddel kwalificeert valt onder de MDR 2017/745, en de IGJ riep zorgaanbieders in februari 2025 op generatieve AI alleen met expliciete risicobeoordeling in te voeren.

Waar de winst dan wél zit, becijferde Gupta Strategists in opdracht van FME: brede uitrol van bestaande zorgtechnologie kan het equivalent van 110.000 zorgmedewerkers vrijspelen, met het zwaartepunt in logistiek, administratie en thuismonitoring — niet in klinische AI. Dat is een theoretisch plafond bij volledige adoptie, maar de richting die eruit volgt is consistent met wat instellingen in de praktijk kiezen.

Gemeenschappelijke patronen#

Over de vier sectoren heen zijn drie patronen consistent zichtbaar in de primaire bronnen:

1. Tekst-AI dominant. Text mining en NL-generation zijn de meest gebruikte categorieën in álle sectoren (CBS, Eurostat).
2. Proces-automatisering vóór voorspelling. Back-office-taken (documentverwerking, klantcontact) worden eerder geautomatiseerd dan strategische voorspellingen (McKinsey 2024).
3. Sector-regelgeving stuurt het tempo, in elke sector anders. Financiën (DNB/AFM, DORA, AMLR) en zorg (IGJ, MDR, NEN 7510) worstelen met verantwoording en transparantie rond besluitvorming; retail heeft die rem het minst, terwijl de maakindustrie een eigen spoor kent via de Machineverordening en NIS2 (EU AI Act gefaseerd van kracht).
4. Datafundering bepaalt het plafond, niet de modelkeuze. In alle vier de sectoren wijzen de branche-bronnen dezelfde blokkade aan: gefragmenteerde of ongestructureerde data. Voor de maakindustrie zijn dat ontbrekende sensoren, in de zorg verouderde systemen en dataversnippering, in finance de uitlegbaarheidseis op modeldata, in retail de productcatalogus.

Waar het misgaat: wat primaire bronnen laten zien#

1. De kennis-bottleneck is dominant#

Als één cijfer de staat van AI in het Nederlandse MKB vangt, is het dit: 74,6 procent van de bedrijven die AI overwogen maar niet implementeerden, noemt "gebrek aan ervaring" als hoofdreden (CBS AI Monitor 2024). Dit is consistent over alle bedrijfsgroottes en sectoren en ver boven barrières als kosten, techniek of regelgeving.

De SER trekt hieruit de conclusie dat opleiding en begeleiding — niet subsidies of infrastructuur — de grootste hefboom zijn voor verdere adoptie. De Strategie Digitale Economie Voortgangsrapportage 2024 bevestigt dit: terwijl de basis-digitaliseringsgraad van het MKB 81,5 procent bedraagt, is diepere AI-bekwaamheid nog schaars.

2. Regelgeving wordt onvoldoende begrepen#

De EU AI Act is in werking sinds 2 augustus 2024 en gefaseerd van toepassing: verboden AI-systemen zijn niet meer toegestaan, general-purpose AI-modellen moeten compliant zijn, en hoog-risico AI-systemen moeten gefaseerd aan alle eisen voldoen. Toch meldt onderzoek dat 77 procent van de Nederlandse bedrijven hun rol onder de AI Act onvoldoende begrijpt.

Voor MKB-bedrijven betekent dit drie operationele vragen die vóór breed AI-gebruik beantwoord moeten zijn:

• Welk risico-niveau heeft mijn AI-toepassing? Ondernemersplein.overheid.nl biedt de 4-niveaus-hiërarchie (verboden / hoog-risico / beperkt risico / minimaal risico) als startpunt.
• Ben ik "aanbieder" of "gebruiker"? De verplichtingen verschillen fors — een MKB dat ChatGPT gebruikt in de klantenservice heeft andere verplichtingen dan een MKB dat eigen AI-software bouwt.
• Wat zijn mijn AVG-implicaties? De Autoriteit Persoonsgegevens coördineert via de Algoritme- en AI-kamer het Nederlandse toezicht; AVG-verplichtingen rond AI-training en input/output-data blijven onverminderd van kracht.

3. Datakwaliteit als voorwaarde, niet als addendum#

McKinsey 2024 benoemt datakwaliteit en data-governance als terugkerende blokkades. Bedrijven die scoren op de EBIT-impact-dimensie rapporteren consistent dat datagovernance-werk vóór AI-implementatie plaatsvond, niet tijdens of erna. In het MKB, met historisch gefragmenteerde data-infrastructuur (ERP, CRM, losse tools), is dit een substantiële voorinvestering.

4. De integratie- en workflow-gap#

McKinsey 2025 vindt dat workflow-herontwerp de grootste differentiator is voor bedrijven die wél EBIT-impact uit AI halen. AI tegen bestaande processen plakken levert pilot-succes maar geen P&L-impact. Dit vraagt organisatorisch denken: rollen herdefiniëren, controle-punten verplaatsen, SLAs aanpassen. Voor een MKB met 20-50 fte is dit een substantieel veranderproject.

5. Verantwoorde AI in gereguleerde sectoren#

Sectoren met strenge toezichthouders (zorg, financiën, publieke sector) hebben extra drempels:

• Financiën: DNB en AFM eisen modeltransparantie, uitlegbaarheid en discriminatie-vrijwaarheid.
• Zorg: NVZ/NFU vragen klinische validatie naast technische validatie; TNO-onderzoek benadrukt rolverdeling arts-AI-verantwoordelijkheid.
• Publieke sector: algoritmeregister-verplichtingen (Autoriteit Persoonsgegevens) voor gebruik van AI in besluitvorming.

6. De verwachtingskloof: hype versus winst#

De Gartner Hype Cycle for AI 2025 plaatst zowel "Agentic AI" als "AI-ready data" op de Peak of Inflated Expectations — de fase voor de onvermijdelijke Trough of Disillusionment. Bedrijven die onrealistische verwachtingen hebben (AI vervangt teams binnen 6 maanden; AI geeft direct 30 procent omzetgroei) lopen op de peak binnen en tegen hun verwachtingen aan.

De nuchtere verwachting op basis van McKinsey-data: meetbare proceskostenverlaging in specifieke functies binnen een jaar, bedrijfsbrede transformatie zelden binnen twee jaar.

Wat er sinds de vorige editie veranderde#

Twee ontwikkelingen raken het Nederlandse MKB direct: de adoptiecijfers zijn opnieuw gesprongen, en de belangrijkste compliance-deadline van de EU AI Act is verschoven.

AI-adoptie 2025: het middensegment haalt in#

Het CBS (december 2025) rapporteert dat het AI-gebruik in het Nederlandse MKB (10 tot 249 werkzame personen) in 2025 is gestegen naar 29,8 procent, tegen 22,7 procent voor alle bedrijven met 10+ werknemers een jaar eerder. In het grootbedrijf (250+) ligt het gebruik op 66,2 procent. De sterkste sprong zit bij bedrijven met 50 tot 250 werknemers: van 20 procent in 2023 naar 45 procent in 2025. Van de bedrijven die AI inzetten, gebruikt 35 procent het voor marketing of verkoop.

De onderkant van het MKB blijft achter: volgens de CBS-rapportage over microbedrijven (2026) gebruikte 13,8 procent van de Nederlandse microbedrijven (minder dan 10 fte) in 2025 minstens een AI-technologie. De kloof tussen groot en klein blijft dus bestaan — maar het middensegment sluit snel aan.

EU AI Act: transparantie nu, hoog-risico later#

De belangrijkste juridische update: het Digital Omnibus-pakket (politiek akkoord mei 2026) heeft de hoog-risico-verplichtingen van de EU AI Act uitgesteld. Concreet voor MKB-ondernemers:

• Transparantieverplichtingen (artikel 50) gelden vanaf 2 augustus 2026. Wie AI inzet die met mensen communiceert (chatbots) of AI-content genereert, moet dit kenbaar maken en AI-output machinaal herkenbaar labelen. Voor bestaande systemen geldt uitstel tot 2 december 2026 voor de labelverplichting. Boetes lopen op tot 15 miljoen euro of 3 procent van de wereldwijde jaaromzet.
• General-purpose AI-modellen (zoals grote taalmodellen) vallen sinds 2 augustus 2025 onder de verplichtingen voor aanbieders van die modellen.
• Volledige hoog-risico-compliance (Annex III) is verschoven van 2 augustus 2026 naar 2 december 2027; hoog-risico-AI ingebouwd in gereguleerde producten schuift door naar 2 augustus 2028.

Voor het gros van het MKB dat AI gebruikt (geen aanbieder, geen hoog-risico-toepassing) is de eerstvolgende harde datum dus de transparantieplicht van augustus 2026. Dat is geen zware last, maar wel een concrete actie: inventariseer waar klanten met AI in aanraking komen en zorg voor duidelijke labeling.