Het vergelijken van traditionele software bedrijven versus bedrijven die efficiënt werken zoals wij doen komt neer op één vraag: waar begint het traject? Een traditionele leverancier begint bij zijn eigen pakket en rekent per aanpassing af — bij één klant liep een gewenste ERP-wijziging op tot circa 150.000 euro, wat pas achteraf duidelijk werd. Wij begonnen bij het proces en konden datzelfde systeem nabouwen en verbeteren voor 70.000 euro, inclusief onbeperkte aanpassingen.
Waar traditionele softwaretrajecten vastlopen
Drie patronen zien wij telkens terugkomen bij MKB-bedrijven in maritiem, bouw en logistiek:
- Eén werkwijze voor alle klanten. Het pakket past zelden bij hoe het team werkelijk werkt, dus wordt het omzeild of half gebruikt.
- Kosten die pas achteraf zichtbaar zijn. Elke wijziging is een nieuwe opdracht, met nacalculatie en een wachtrij.
- Techniek vóór analyse. Er wordt gebouwd op basis van aannames in plaats van op meetbare procesdata.
Dat laatste punt is geen mening. Het evaluatierapport over de WBSO stelt dat programmeren feitelijk het sluitstuk is van het oplossen van een vraagstuk en niet de kern ervan; het traject ervoor — architectuur en algoritmiek — weegt zwaarder (notitie WBSO en programmatuur, Open Overheid).
Traditionele software bedrijven versus bedrijven die efficiënt werken zoals wij doen: de vergelijking
| Onderwerp | Traditionele softwareleverancier | Onze werkwijze |
|---|---|---|
| Startpunt | Het bestaande pakket en de standaardmodules | Process-scan en meetbare procesdata |
| Investeringsbeslissing | Prijs per wijziging, vaak achteraf duidelijk | Eerst een businesscase, daarna bouwen |
| Aanpassingen | Losse opdracht, nacalculatie | Onbeperkte aanpassingen binnen de afspraak |
| Doorlooptijd | Maanden tot kwartalen | 3 tot 4 weken tot oplevering, daarna 20 dagen testen |
| Impact op medewerkers | Nieuw systeem leren, migratie | Bovenop bestaande tools, niets nieuws leren |
| Scope | Volledig pakket in één keer | Eén of twee processen met de hoogste opbrengst |
Eerst de businesscase, dan de techniek
De contra-intuïtieve les uit onze praktijk: veel AI- en softwarebureaus kijken vooral naar wát ze technisch kunnen automatiseren, niet naar wat een bedrijf echt nodig heeft en welke investering zich terugverdient. Dat verklaart waarom er veel pilots draaien die nooit productie bereiken.
Wij kijken samen waar winst te behalen valt en bouwen daar een businesscase op. Komt die businesscase niet rond, dan gaan we niet verder. We implementeren AI niet voor de AI, maar voor de winst. Dat is precies de reden dat we altijd starten met data in plaats van aannames — zoals beschreven in procesanalyse voor je automatiseert.
Data en kennisdeling: de winst die niemand berekent
In de meeste MKB-bedrijven bestaat de informatie wél, maar staat die verspreid over mappen, mailboxen en systemen. Projectdata in het ERP, servicehistorie ergens in een map, en de rest in het hoofd van de monteur die er vijftien jaar zit. Vertrekt die monteur, dan verdwijnt de kennis mee.
Juist daar zit veel winst. Zodra data centraal is opgeslagen en verwerkbaar is voor AI, wordt kennisdeling instant: een doorzoekbare interne kennisbank in plaats van twintig minuten zoeken naar het juiste productblad. Een traditionele leverancier verkoopt daar een module voor. Wij zetten de datastructuur en de kennisdeling goed neer, en bouwen de agents daarbovenop.
Wat efficiënt werken in de praktijk oplevert
Een concreet voorbeeld uit de bouw. Bij een bouwbedrijf ontwikkelden wij vijf AI-agents die detailboeken van 200 pagina's analyseren en automatisch offertes voorbereiden. De doorlooptijd per boek ging van bijna twee dagen naar ongeveer vier tot zes uur. Een medewerker controleert alleen nog; het voorbereidende werk is weg.
Een ander voorbeeld: het aanvullen van een bestaand softwarepakket met AI en automatisering. Dat traject stond in ongeveer drie weken live en werd daarna dagelijks gebruikt. Geen migratie, geen nieuw systeem, geen training — de medewerkers merkten alleen dat het werk sneller ging. Die aanpak beschrijven we verder op onze pagina over AI-integraties in bestaande tools.
Onze standaard werkwijze
- Process-scan. We brengen de processen in kaart zoals ze werkelijk gaan, niet zoals ze op papier staan. Gecertificeerde Lean Six Sigma-aanpak, gesprekken worden opgenomen zodat niets verloren gaat.
- Keuze van één of twee processen. Op basis van de businesscase, niet op basis van wat technisch leuk is.
- Systeemuitleg en bouwplan. Je weet vooraf wat er komt, wat het kost en wat het oplevert.
- Oplevering binnen 3 à 4 weken. Daarna 20 dagen testen, met ruimte voor aanpassingen voordat het definitief live gaat.
Dat ritme is het eigenlijke verschil. Niet een groter team of duurdere techniek, maar een kortere afstand tussen analyse en werkend systeem. Meer over de methodiek erachter lees je in Lean Six Sigma procesoptimalisatie met praktijkvoorbeelden en in AI-automatisering voor het MKB: waar je begint.
Wanneer kies je wat?
Heb je een standaardproces dat in elk bedrijf identiek is, zoals salarisadministratie, dan is standaardsoftware logisch. Zit de winst in werk dat per project verschilt — calculaties, tenderbeoordeling, offertevoorbereiding, documentverwerking — dan loopt een standaardpakket vast op de uitzonderingen. Daar is maatwerk bovenop bestaande systemen geen luxe, maar de enige manier om een systeem te bouwen dat dagelijks gebruikt wordt.
Wil je weten of er in jouw processen een winstgevende businesscase zit? Neem contact op via info@lyfta.nl of +31 6 400 315 04, of bekijk de cases op lyfta.ai.
Veelgestelde vragen
Is maatwerk niet altijd duurder dan standaardsoftware?
Niet per definitie. Bij één klant zou een aanpassing in het bestaande ERP rond de 150.000 euro kosten, terwijl wij het systeem konden nabouwen en verbeteren voor 70.000 euro, met onbeperkte aanpassingen. De rekenles zit in de kosten per wijziging over meerdere jaren, niet in de aanschafprijs.
Hoe lang duurt een traject bij Lyfta?
Na de process-scan kiezen we één of twee processen, maken daar een systeemuitleg en bouwplan voor en leveren binnen 3 à 4 weken op. Daarna volgen 20 dagen testen met ruimte voor aanpassingen. Het aanvullen van een bestaand pakket met AI stond in ongeveer drie weken live.
Moeten wij ons huidige systeem vervangen?
Nee. We bouwen bovenop wat er al staat en koppelen aan Microsoft 365, Google Workspace, CRM-systemen, boekhoudpakketten, documentmanagement en branchespecifieke software. Medewerkers merken het verschil zonder iets nieuws te leren.
Wat als AI in ons geval niets oplevert?
Dan bouwen we het niet. We gaan pas verder als er een winstgevende businesscase ligt. AI wordt geïmplementeerd voor de winst, niet voor de AI.
Waarom begint Lyfta met een procesanalyse in plaats van met bouwen?
Omdat bedrijven denken te weten hoe een proces loopt, en er bij uitwerking altijd ruis blijkt te zitten: dubbele stappen, informatie die tussen mensen of systemen verdwijnt, uitzonderingen die niemand heeft opgeschreven. Pas als dat beeld compleet is, bepalen we wat wel en wat niet geautomatiseerd wordt.
