Skip to content
Gids · zonder AI-hype

AI in sales: wat het vandaag echt doet, en wat het niet doet

Over AI in de verkoop wordt veel beloofd en weinig gemeten. Deze gids houdt het bij wat je vandaag met een gemiddeld mkb-verkoopteam kunt doen: teksten laten voorbereiden, gesprekken laten samenvatten, leads laten scoren en je dag laten ordenen. Wat AI niet doet — beslissen, prijzen bepalen, een relatie onderhouden — staat er net zo duidelijk bij, want dat is precies waar verwachtingen vastlopen.

Gratis abonnement · 14 dagen proberen op betaalde abonnementen · Geen creditcard nodig

Kort antwoord

Wat doet AI in een verkoopproces?

AI doet in de verkoop vier dingen goed: tekst voorbereiden (een eerste concept van een mail, een offerteomschrijving, een gespreksverslag), lange stukken informatie samenvatten, leads scoren op basis van gedrag en kenmerken, en je werkdag prioriteren zodat je begint bij de aanvragen met de meeste kans. Wat AI niet doet, is beslissen wie je belt, bepalen wat je prijs is of een relatie onderhouden. De tijdwinst zit in voorbereiding en administratie, niet in het gesprek zelf — reken op enkele uren per verkoper per week, niet op een half team dat overbodig wordt.

Belangrijkste punten

  • AI schrijft concepten en samenvattingen; een mens verstuurt en beslist
  • Leadscoring bepaalt de volgorde van je dag, niet de uitkomst van een deal
  • Realistische tijdwinst: twee tot vier uur per verkoper per week aan administratie
  • Plak nooit klantgegevens, prijsafspraken of contracten in een publiek model
  • Testen kan zonder budget: het gratis abonnement bevat 50 AI-credits

Wat AI vandaag wél doet in een verkoopproces

Als je alle marketingtaal wegstreept, blijft er een korte lijst over. AI is goed in taal: het maakt van rommelige aantekeningen een leesbaar verslag, van een lang e-mailgesprek een samenvatting van vijf regels en van een lege mail een bruikbaar concept. Daarnaast is het goed in patronen: het herkent in je eigen historie welke kenmerken vaak samengaan met een gewonnen deal en geeft nieuwe leads op basis daarvan een score. Dat zijn twee dingen, geen twintig, maar ze raken wel het deel van de week waar de meeste tijd verdwijnt.

Voor een mkb-verkoper zit de winst dus vooral in voorbereiding en administratie. Het gesprek zelf, de vraag achter de vraag, de inschatting of een klant echt budget heeft — daar verandert niets aan. Wie AI koopt in de verwachting dat het gaat verkopen, koopt de verkeerde belofte. Wie het inzet om het papierwerk rond de verkoop te verkorten, ziet binnen twee weken verschil in hoeveel aanvragen er dezelfde dag nog een antwoord krijgen.

Belangrijk is ook wat er niet nieuw aan is. Herinneringen, sjablonen en een gedeelde klanttijdlijn bestonden al lang vóór AI en leveren voor de meeste teams meer op dan welk taalmodel dan ook. AI is een versneller bovenop een proces dat werkt, geen vervanging van een proces dat ontbreekt. Loopt je opvolging nu op geheugen, dan lost een slimme tekstgenerator dat niet op.

Wat AI niet doet — en waarom dat belangrijk is

De grens is scherper dan verkopers van AI-software suggereren. Een model beslist niets: het geeft een waarschijnlijk antwoord op basis van patronen, zonder te weten wat er op het spel staat. Het kent jouw marges niet, weet niet dat deze klant vorig jaar te laat betaalde en heeft geen idee dat de inkoper met wie je spreekt volgende maand vertrekt. Alles wat oordeelsvorming vereist, blijft mensenwerk — en in een klein bedrijf is dat het grootste deel van de commerciële beslissingen.

Even praktisch: een taalmodel dat een levertijd of een referentie niet weet, verzint er soms een. Dat is geen storing maar de manier waarop de techniek werkt. In een intern verslag is dat lastig; in een offerte die je klant tekent, is het een probleem. Daarom hoort er altijd een mens tussen het concept en de verzending te zitten, en hoort AI nooit ongecontroleerd naar buiten te schrijven.

  • AI beslist niet wie je belt — het stelt een volgorde voor die jij mag negeren
  • AI bepaalt geen prijs, korting of betalingsvoorwaarde
  • AI onderhoudt geen relatie: een klant merkt binnen twee mails of er niemand meeleest
  • AI kent de context buiten je systeem niet — een gesprek in de wandelgang staat nergens
  • AI weet niet wat het niet weet en zal een gat in de informatie soms invullen
  • AI vervangt geen vastgelegd verkoopproces; het versnelt alleen een proces dat er al is

Zes toepassingen en de tijdwinst die je realistisch mag verwachten

De cijfers hieronder zijn ordegroottes, geen garanties, en ze gelden voor een verkoper die per week ongeveer twintig actieve kansen begeleidt. Ze komen uit hetzelfde soort werk dat elk mkb-team herkent: mails typen, verslagen bijwerken, offerteteksten opnieuw opbouwen, een collega bijpraten. Wat je bespaart hangt sterk af van hoe rommelig je huidige situatie is — teams die alles handmatig in Excel bijhouden winnen meer dan teams die hun sjablonen al op orde hebben.

Let bij het lezen vooral op de laatste kolom. Bij elke toepassing blijft er een deel over dat je zelf doet, en dat deel is niet de rest die nog niet geautomatiseerd is: het is het deel waar de waarde zit. Een offerte is niet waardevol omdat de omschrijving mooi geformuleerd is, maar omdat de prijs klopt en het aanbod past bij wat de klant vorige week zei.

Zes AI-toepassingen in de verkoop, met realistische tijdwinst per verkoper per week.
ToepassingWat het oplevertRealistische tijdwinstWat je zelf blijft doen
Concept-opvolgmailsEen bruikbare eerste versie in plaats van een leeg scherm30 tot 60 minutenDe boodschap kiezen, de toon controleren, verzenden
Gespreksverslagen samenvattenNotities die je niet hoeft na te typen45 tot 90 minutenDe afspraak en de volgende stap bevestigen
LeadscoringEen volgorde voor je dag in plaats van de bovenste in de lijst20 tot 40 minuten zoeken en wegenBeslissen wie je belt en waarom
Offerteteksten opbouwenOmschrijvingen en voorwaarden uit je eigen eerdere offertes30 tot 60 minutenRegels, aantallen, prijzen en uitzonderingen
Klantdossier samenvatten bij overdrachtEen collega die in dertig seconden bij is15 tot 30 minuten per overdrachtHet gesprek voeren en de relatie overnemen
Data opschonen bij een importDubbele en verkeerd gespelde records eruitEnkele uren, eenmaligBepalen welke versie van een record de juiste is

Wat er misgaat als je AI te snel loslaat

De meest voorkomende misser is volume zonder inhoud. Een team ontdekt dat het in een uur tweehonderd gepersonaliseerde mails kan versturen en doet dat ook. Twee weken later is de afmeldratio verdubbeld, staan er klachten in de mailbox en is het domein slechter af dan ervoor. De techniek werkte precies zoals bedoeld; de keuze om hem zo te gebruiken was de fout. Meer berichten sturen is nooit het knelpunt geweest in het Nederlandse mkb — relevante berichten sturen wel.

De tweede misser is blind vertrouwen op de score. Een lead met een lage score is geen slechte lead; het is een lead waarover je systeem weinig weet. Teams die alles onder een bepaalde drempel wegfilteren, snijden systematisch in de categorie waar hun data het dunst is: nieuwe branches, kleine bedrijven, klanten via mond-tot-mondreclame. Gebruik de score om te sorteren, niet om weg te gooien.

De derde misser is administratief: AI-teksten die niemand meer naleest, belanden ongecorrigeerd in offertes en klantmails. Een verzonnen levertermijn of een verkeerd overgenomen garantieduur is contractueel jouw probleem, niet dat van je leverancier. Spreek daarom één regel af die iedereen begrijpt: een mens leest elke uitgaande tekst voordat die verstuurd wordt, ook als het haast heeft.

  • Meer mails versturen omdat het kan — met afmeldingen en klachten als gevolg
  • Lage scores gebruiken als filter in plaats van als volgorde
  • Concepten ongelezen versturen, inclusief verzonnen details
  • Automatiseren van een opvolgproces dat handmatig nog niet consistent loopt
  • Meten wat AI kost, maar niet wat het aan doorlooptijd oplevert

Welke gegevens je nooit in een publiek model plakt

Er is een verschil tussen AI-functies die in je eigen systeem draaien op je eigen gegevens, en een gratis chatvenster in je browser waar je even iets in plakt. Dat tweede is waar het in de praktijk misgaat: een verkoper plakt een compleet klantcontract in een publieke dienst om een samenvatting te krijgen, en heeft daarmee persoonsgegevens en commerciële voorwaarden gedeeld met een partij waar je bedrijf geen afspraken mee heeft. Onder de AVG is dat een verwerking waarvoor jij verantwoordelijk bent, ook als het goed bedoeld was.

De vuistregel die in een mkb-team blijft hangen is kort: als je het niet per e-mail naar een onbekende zou sturen, plak het dan niet in een publiek model. Alles wat een persoon identificeert, alles wat onder een geheimhoudingsafspraak valt en alles wat je onderhandelingspositie verraadt, hoort in systemen te blijven waarmee je bedrijf een verwerkersovereenkomst heeft. HelloGrowthCRM heeft zo'n verwerkersovereenkomst beschikbaar en publiceert een subverwerkerslijst met elke partij en locatie erin; heb je dataresidentie binnen de EU als harde eis, neem dan eerst contact op met sales@hellogrowthcrm.com.

Praktisch los je dit op met één afspraak en één alternatief. De afspraak: geen klantgegevens in publieke chatvensters. Het alternatief: dezelfde taak binnen het CRM uitvoeren, waar het model op de gegevens van je eigen omgeving werkt en het resultaat bij de klantkaart blijft staan. Zonder alternatief blijft de afspraak een poster aan de muur, want de verleiding om even snel iets te plakken is groot als het werk zich opstapelt.

  • Nooit: namen, telefoonnummers en e-mailadressen van klanten in een publiek chatvenster
  • Nooit: contracten, geheimhoudingsafspraken en prijslijsten met marges
  • Nooit: personeelsgegevens, ziekmeldingen of beoordelingsgesprekken
  • Nooit: inloggegevens, API-sleutels of exports uit je boekhouding
  • Wel prima: een geanonimiseerde vraag over formulering of structuur
  • Wel prima: dezelfde taak binnen een systeem waarmee je een verwerkersovereenkomst hebt

Zo begin je in vier weken, zonder je proces om te gooien

Begin bij de taak die je team het vaakst doet en het minst leuk vindt. In de meeste mkb-teams is dat het bijwerken van gespreksnotities, direct gevolgd door het schrijven van opvolgmails na een offerte. Zet in week één alleen die twee taken om: bellen vanuit het CRM met automatische logging en samenvatting, en concepten voor opvolgmails. Verander verder niets, zodat je aan het eind van de week weet welk verschil de AI maakte en niet welk verschil de nieuwe werkwijze maakte.

In week twee zet je leadscoring aan en gebruik je die uitsluitend om je ochtendlijst te sorteren. Niet filteren, niet wegzetten — alleen sorteren. Bespreek aan het eind van de week met het team of de bovenste tien namen inderdaad de namen zijn die je zelf ook had gekozen. Wijkt dat sterk af, kijk dan naar je data voordat je het model wantrouwt: onvolledige velden geven onvolledige scores.

Week drie is voor afspraken en week vier voor uitbreiding. Leg in week drie schriftelijk vast wat er wel en niet in een publiek model mag en wie de laatste lezer is voor uitgaande teksten. Voeg in week vier pas één automatisering toe, bijvoorbeeld een opvolgreeks na een verstuurde offerte, en meet daarna hoeveel offertes binnen twee werkdagen een reactie krijgen. Dat cijfer is bruikbaarder dan elke belofte over productiviteit.

Wat je met HelloGrowthCRM in huis haalt

Een eerste concept in plaats van een leeg scherm

De grootste winst zit niet in een perfecte tekst maar in het wegnemen van de startdrempel. Een concept-opvolgmail of offerteomschrijving in tien seconden scheelt per verkoper dagelijks een half uur staren en herschrijven.

Gespreksnotities zonder na te typen

Bel je vanuit het CRM, dan wordt het gesprek gelogd en krijg je er een samenvatting bij. Je hoeft na een telefoontje niets meer over te typen; je corrigeert hooguit één zin en gaat door.

Leadscoring die je volgorde bepaalt

Leads krijgen een score op basis van gedrag en kenmerken. Dat vertelt je niet wie gaat kopen, maar wel bij wie je 's ochtends begint — en dat is in de praktijk het verschil dat telt.

Samenvatting van een klantdossier voor je collega

Neemt iemand een klant over, dan leest die geen twintig e-mails terug. Een samenvatting van de tijdlijn geeft in dertig seconden het beeld: wat is beloofd, wat staat open, wat is de volgende stap.

Sneller een offerte opbouwen

Standaardteksten, omschrijvingen en voorwaarden laat je voorstellen op basis van eerdere offertes. De regels, aantallen en prijzen zet je zelf — dat is precies het deel dat je niet wilt automatiseren.

Antwoorden op vragen die je elke week krijgt

Levertijden, garantie, meerwerk: dezelfde vragen komen terug. Een AI-concept op basis van je eigen eerdere antwoorden maakt van vijf minuten typen één minuut controleren.

Opvolgreeksen die blijven lopen

Een reeks herinneringen na een verstuurde offerte stel je één keer in. AI helpt bij de formulering per stap; de timing en de stopregels bepaal jij, zodat een klant nooit vier mails in één week krijgt.

Dubbele records en rommelige data opsporen

Bij een import uit Excel of een ander CRM zijn dubbele klanten en verkeerd gespelde bedrijfsnamen de regel. Herkenning van waarschijnlijke duplicaten scheelt uren handmatig vergelijken.

Toon en taal aanpassen

Dezelfde boodschap formeler, korter of in het Engels. Handig voor teams die zowel Nederlandse mkb-klanten als buitenlandse inkopers bedienen zonder twee schrijvers in dienst te hebben.

Signalen uit je pijplijn

Welke deals bewegen niet meer, welke fase loopt structureel vast: dat zijn patronen in je eigen data. Je krijgt de observatie; wat je eraan doet blijft een gesprek tussen mensen.

Wat je zelf blijft doen: prijzen en onderhandelen

Een korting toekennen, een uitzondering maken, een langlopende klant iets gunnen — dat zijn commerciële beslissingen met gevolgen. Laat geen model bepalen wat je bedrijf verdient.

Menselijke controle vóór verzending

De vaste regel: elke tekst die naar buiten gaat, is door een mens gelezen. Niet uit voorzichtigheid maar uit ervaring — een verzonnen levertijd in een offerte kost meer dan het bespaarde kwartier.

Veelgestelde vragen

Wat kan AI in sales vandaag echt, zonder marketingpraat?

Vier dingen: tekst voorbereiden, lange informatie samenvatten, leads scoren en je werkvolgorde bepalen. Dat raakt vooral de administratie rond de verkoop, niet het verkopen zelf. Voor een verkoper met zo'n twintig actieve kansen per week levert dat doorgaans twee tot vier uur op. De rest — het gesprek, de inschatting, de prijs, de relatie — blijft precies zoals het was.

Vervangt AI verkopers in het mkb?

Nee, en dat is geen beleefdheid. Een model heeft geen oordeel, kent je marges niet en weet niet wat er in het laatste telefoongesprek werd gezegd dat niemand opschreef. Wat wél verschuift, is hoe een verkoopdag eruitziet: minder typen en zoeken, meer bellen en spreken. Teams die dat omzetten in extra klantcontact zien resultaat; teams die het omzetten in meer massamail juist niet.

Mag ik klantgegevens in ChatGPT of een ander publiek model plakken?

Doe dat niet. Zodra je persoonsgegevens deelt met een partij waarmee je bedrijf geen verwerkersovereenkomst heeft, ben je onder de AVG zelf verantwoordelijk voor die verwerking. Datzelfde geldt voor contracten, prijslijsten en alles onder geheimhouding. Gebruik voor dat werk AI-functies binnen een systeem waarmee je wél afspraken hebt, en houd publieke modellen voor algemene vragen zonder klantgegevens.

Hoe betrouwbaar is AI-leadscoring voor een klein bedrijf?

Bruikbaar om te sorteren, niet om te filteren. Een score is een inschatting op basis van gedrag en kenmerken uit je eigen historie; hoe minder deals je hebt vastgelegd, hoe grover die inschatting is. Gebruik hem daarom als volgorde voor je ochtend en beoordeel na een paar weken of de bovenste namen kloppen met je eigen oordeel. Gooi nooit leads weg puur op een lage score.

Wat kost AI in sales voor een mkb-team?

Dat hangt af van of je losse tools koopt of AI gebruikt binnen het systeem waarin je al werkt. Bij HelloGrowthCRM zitten AI-leadscoring, gespreksamenvattingen en tekstconcepten in het Growth-abonnement van €9/gebruiker/maand bij jaarlijkse betaling. Uitproberen kan zonder budget: het gratis abonnement bevat 50 AI-credits, zodat je met je eigen leads kunt testen voordat je iets beslist.

Waar begin ik als mijn team nog nooit AI heeft gebruikt?

Bij één taak die vaak terugkomt en niemand leuk vindt: gespreksnotities bijwerken of opvolgmails schrijven na een offerte. Zet die ene taak om, verander verder niets en kijk na een week wat het verschil is. Automatiseer daarna pas iets extra's. De volgorde is belangrijk: AI bovenop een proces dat al loopt versnelt, AI bovenop een proces dat ontbreekt maakt de rommel alleen sneller.

Hoe voorkom ik dat AI iets verzint in een offerte?

Door één regel af te spreken en die niet te laten sneuvelen onder tijdsdruk: geen uitgaande tekst zonder dat een mens hem heeft gelezen. Laat AI daarnaast alleen werken met je eigen gegevens — eerdere offertes, de klanttijdlijn, je eigen voorwaarden — in plaats van vrij te formuleren. Levertijden, garanties en prijzen zet je altijd handmatig, want dat zijn de details waar een fout je geld kost.

Test het met je eigen leads, niet met een demo-dataset

Zet AI op één taak die je team elke dag doet en meet één cijfer: hoeveel aanvragen krijgen binnen twee werkdagen een antwoord. Dat is binnen een week zichtbaar en zegt meer dan welke productiviteitsbelofte dan ook.

Gratis starten — geen creditcard nodig