Van marketingautomatisering naar AI-versnelling: wat wij zien veranderen

Al jaren bouwen wij marketingautomatisering voor MKB-bedrijven: trajecten die leads opvolgen, nieuwsbrieven die vanzelf de deur uitgaan, systemen die draaien zonder dat iemand er nog naar hoeft om te kijken. Het laatste jaar krijgen we daar een andere vraag bovenop: wat kan AI hier nog aan toevoegen? Terechte vraag — en het antwoord is een wezenlijk andere stap dan automatisering zelf, met één punt dat te vaak wordt overgeslagen: waar je data naartoe gaat.

Automatisering was fase één. AI is fase twee

Marketingautomatisering loste een concreet probleem op: te veel handwerk, te weinig consistentie. Een trigger, een vast proces, een vaste opvolging — het werk gebeurde, ook als niemand er met de hand naar omkeek.

Wat automatisering niet deed: meedenken. Een vast proces volgt de route die je hebt uitgestippeld, en niet meer dan dat. Verandert de situatie, dan verandert het proces niet vanzelf mee.

AI voegt precies dat toe. Niet als vervanging van automatisering, maar als de laag erboven die sneller herkent wat er gebeurt, sneller een eerste concept oplevert, en systemen die tot nu toe los van elkaar stonden alsnog met elkaar laat praten.

Wat wij in de praktijk zien veranderen

Wij zien dit patroon inmiddels terugkomen bij klanten in heel verschillende sectoren — een onderzoeksbureau, een eventlocatie, een productiebedrijf in de maakindustrie. Steeds dezelfde drie verschuivingen.

Sneller. Werk dat een dag kostte, kost nu twee uur. Een voorstel opstellen, een contentkalender vullen, een rapportage samenvatten tot leesbare tekst — AI levert het concept, iemand van het team controleert en stuurt bij. Niet AI die het overneemt, maar AI die het eerste, tijdrovende deel wegneemt.

Geïntegreerder. Systemen die voorheen los stonden — een CRM hier, een contentplanning daar, een dataset ergens in een losse map — komen nu via AI wél samen. Eén signaal uit een aanbesteding, jaarverslag of vacature wordt automatisch omgezet in een lead met een compleet dossier erbij. Geen los kunstje, maar een vaste, herhaalbare route.

Persoonlijker, op schaal. Content die is afgestemd op de doelgroep, het kanaal en het moment — niet één keer handmatig bedacht, maar telkens opnieuw gegenereerd op basis van wat al bewezen werkt. Een AI die leert van wat wél en niet aanslaat, en dat automatisch meeneemt in de volgende ronde.

Het resultaat is niet ‘meer marketing’. Het is dezelfde marketing, met minder ruis ertussen — zodat er meer tijd overblijft voor het gesprek met de klant zelf. Ook dát is marketing.

Waar je data staat, is geen technisch detail — het is een keuze

Dit is het punt waar wij bij klanten het vaakst op hameren, en waar te vaak overheen wordt gelezen: elke AI-toepassing roept één vraag op die geen IT-detail is, maar een bestuursbeslissing. Waar gaat je data naartoe? En welk model krijgt daar toegang toe, op welke manier?

Niet elke soort data is even gevoelig, en dus hoeft niet alles hetzelfde regime te krijgen. Wij werken met drie duidelijke niveaus:

• Open en niet-herleidbaar. Methodebeschrijvingen, publieke bronnen, een concepttekst zonder cijfers erin. Hier mag ieder goed model op los, ook buiten de EU.
• Besloten — bedrijfs- en uitkomstdata. Geaggregeerde resultaten, klantdocumenten, voorstellen. Dit gaat alleen via een afgeschermde omgeving: met een verwerkersovereenkomst, geen training op je input, en retentie op nul.
• Binnen — persoonsgegevens. Ruwe databestanden, herleidbare klant- of respondentgegevens, contactinformatie. Dit gaat nooit naar een extern model. Pseudonimiseren vóór verwerking, lokaal verwerken binnen de EU, of gewoon niet doen.

Dat onderscheid is meer dan een juridisch afvinklijstje. Amerikaanse aanbieders mogen bedrijfsdata verwerken onder het EU-US Data Privacy Framework — een rechtsgeldig kader, dat het Europese Gerecht in september 2025 in stand hield.^[1] Toegestaan dus, maar niet neutraal: het raakt aan een bredere, deels politieke discussie over digitale soevereiniteit. Hoeveel van je klantkennis en bedrijfsdata wil je structureel afhankelijk maken van infrastructuur buiten de EU, terwijl Europa zelf actief op meer digitale onafhankelijkheid stuurt? Dat is een strategische afweging die verder gaat dan compliance alleen — en die bij de directie hoort, niet bij de eerste de beste projectleider die een AI-tool aanzet.

Ons advies: leg dit vooraf vast, per databordje, niet per project. Dan hoeft niemand het risico ad hoc in te schatten. En minstens zo belangrijk: zonder een heldere, goedgekeurde route ontstaat er vanzelf schaduw-AI — medewerkers die op eigen initiatief hun privéaccount gebruiken, met klantdata erin, omdat er simpelweg geen alternatief is aangewezen.

Wat niet verandert

Een mens beslist. Geen output gaat de deur uit zonder dat iemand het heeft gezien en goedgekeurd — AI levert een concept, nooit een eindproduct. Cijfers en beweringen blijven herleidbaar tot de bron.

En sinds 2 augustus 2026 geldt bovendien een wettelijke transparantieverplichting voor AI-gegenereerde output. Organisaties moeten kunnen laten zien wáar AI is ingezet en wie de output heeft goedgekeurd.^[2] Ook persoonsgegevens vragen om diezelfde discipline als vóór AI: verwerking binnen de EU, met een verwerkersovereenkomst, en waar nodig een DPIA.^[3] Kortom: AI versnelt het proces, niet de verantwoordelijkheid.

Waar wij je aanraden te beginnen

Niet alles tegelijk. Wat bij ons het beste werkt: klein beginnen, op precies één van deze drie plekken.

• Terugkerend werk dat nu nog handmatig gebeurt — een rapportage, een voorstel, een contentkalender die elke maand opnieuw wordt opgebouwd terwijl tachtig procent hetzelfde blijft.
• Signalen die nu blijven liggen — een aanbesteding, een bestuurswissel, een vacature die aangeeft dat er een kans ligt, maar die niemand structureel opvolgt.
• Kennis die in hoofden zit — een tone of voice, een merkverhaal, productinformatie die overal verspreid staat en die nu per medewerker net iets anders wordt verwoord.

Op elk van die drie plekken geldt dezelfde vuistregel: begin met een pilot, leg vooraf vast welke databordje erbij hoort, meet wat het oplevert, en schaal pas op als het cijfer dat bevestigt.

De kern

Marketingautomatisering zorgde dat het werk gebeurde. AI zorgt dat het werk slimmer gebeurt — sneller, beter op elkaar aangesloten, en dichter bij wat de klant op dat moment nodig heeft. Dat is voor ons geen nieuwe discipline naast marketing. Het is hetzelfde doel — de klant optimaal bedienen — met een laag eronder die net zo goed om regie vraagt als de marketing zelf.

Herkenbaar?

Loop je tegen hetzelfde aan — automatisering die staat, maar waar je niet precies weet wat AI eraan toevoegt, of waar je data dan naartoe gaat? Dan denken wij graag mee, met een concrete pilot als startpunt. Geen dik voorstel, wel een eerste stap die binnen enkele weken laat zien wat het oplevert — inclusief een helder antwoord op de databordjes-vraag. Neem contact op.

Bronnen:
[1] Latombe t. Commissie, zaak T-553/23 — Gerecht van de Europese Unie bevestigt EU-US Data Privacy Framework (persbericht, 3 september 2025)
[2] Transparantieverplichtingen AI-output — EU AI Act, artikel 50
[3] Autoriteit Persoonsgegevens — toezicht op AI en algoritmes