Iedereen die een MKB-bedrijf runt, kent hetzelfde gevoel. Het is negen uur ’s avonds, een klant stuurt een vraag via de website over levertijden of openingstijden, en die vraag blijft liggen tot de volgende ochtend, of erger, tot maandag. Ondertussen heeft die klant allang de concurrent gemaild die wel binnen een minuut reageerde, ook al was dat antwoord gewoon een bot. De meeste ondernemers weten dit, voelen zich er schuldig over, en doen er vervolgens niets aan omdat “een chatbot bouwen” in hun hoofd klinkt als iets voor bedrijven met een IT-afdeling.
En dan is er Daan.
Daan runt een eenmanszaak in webdesign vanuit Groningen, en hij besloot twee jaar geleden dat hij zijn klanten niet alleen websites ging leveren, maar ook de chatbot die op die website draait. Zijn eerste project was een lokale fysiotherapiepraktijk die structureel dezelfde tien vragen kreeg over vergoedingen en beschikbaarheid. Binnen twee weken had Daan een werkende bot live staan, gebouwd zonder een regel code te schrijven, en de praktijk betaalde hem daarvoor een opstartbedrag plus een vast maandbedrag. Inmiddels onderhoudt Daan chatbots voor elf verschillende kleine bedrijven, en dat maandelijkse onderhoud alleen al vormt een stabielere inkomstenstroom dan zijn oorspronkelijke webdesignwerk. Wat Daan begreep, en wat de meeste twijfelende ondernemers missen, is dat een ai chatbot bouwen voor kleine bedrijven tegenwoordig geen ontwikkelaar meer vereist. Het vereist vooral goede voorbereiding en de juiste tools.
Waarom Elke MKB-Ondernemer Nu een Custom AI Chatbot Nodig Heeft
Het antwoord zit in drie concrete problemen die een chatbot direct oplost. Ten eerste vangt een chatbot leads op de momenten dat niemand aan het werk is, avonden, weekenden, vakantiedagen, en dat is precies wanneer een aanzienlijk deel van het websiteverkeer binnenkomt. Ten tweede verkort een goed ingerichte bot de reactietijd op klantvragen van uren naar seconden, wat rechtstreeks invloed heeft op hoeveel bezoekers daadwerkelijk klant worden in plaats van afhaken naar een concurrent. Ten derde neemt een bot de herhalende vragen over die een medewerker eindeloos vaak beantwoordt, waardoor die medewerker overblijft voor de gesprekken die echt aandacht verdienen.
Dat klinkt misschien als een verkooppraatje voor grote bedrijven, maar juist kleine bedrijven profiteren hier verhoudingsgewijs het meest van, simpelweg omdat ze geen fulltime klantenservice-team hebben om de gaten op te vullen. Klantenservice automatiseren met ai is voor een MKB-bedrijf dus niet zozeer een luxe-upgrade als wel een manier om de beperkte tijd van de eigenaar zelf terug te winnen.
No-Code AI Tools: Welke Software Gebruik Je?
Je hebt geen ontwikkelaar nodig om dit op te zetten, en dat is precies de reden waarom dit model zo snel is gegroeid. Chatbase is voor de meeste starters het toegankelijkst: je uploadt documenten of een website-URL, en het platform bouwt daarop een chatbot die vragen beantwoordt op basis van die specifieke kennisbank. Chatbase ervaringen zijn over het algemeen positief wat betreft eenvoud, al merken gebruikers dat de meer geavanceerde workflows, zoals het doorschakelen naar een menselijke medewerker bij complexe vragen, net iets meer configuratie vragen dan de marketing belooft.
Voor wie meer controle wil over de gespreksstructuur, is Voiceflow een sterkere keuze. Het platform laat je visueel een gespreksflow bouwen met vertakkingen, wat ideaal is voor bedrijven die niet alleen vragen willen beantwoorden maar ook actief leads willen kwalificeren voordat een menselijke verkoper het gesprek overneemt. Botpress gaat nog een stap verder en is geschikt voor wie iets technischer wil werken zonder volledig te programmeren, met de mogelijkheid om externe systemen te koppelen via eenvoudige integraties. En voor de koppelingen zelf, bijvoorbeeld een chatbot die automatisch een nieuwe lead in een CRM zet of een notificatie naar Slack stuurt, gebruikt Daan bijna altijd Make.com, dat die verbindingen zonder code tot stand brengt.
Stap-voor-Stap: Een Custom AI Chatbot Opzetten in Vier Stappen
Je begint met het verzamelen van de knowledge base: de PDF’s, website-URL’s en FAQ-documenten die de bot straks als bron gebruikt om vragen te beantwoorden. Dit is de stap waar Daan de meeste tijd in steekt, want een chatbot is nooit beter dan de informatie die je hem voert. Een verouderde prijslijst of een vage FAQ levert onvermijdelijk een bot op die verkeerde antwoorden geeft, hoe geavanceerd het onderliggende taalmodel ook is.
Daarna schrijf je de system prompt, waarin je de toon van de bot vastlegt, de grenzen van wat hij wel en niet mag beantwoorden, en de terugvalantwoorden voor als hij het antwoord niet weet. Custom gpt maken voor klanten draait grotendeels om deze stap: een prompt die de bot instrueert om formeel of juist informeel te reageren, om nooit prijzen te verzinnen die niet in de kennisbank staan, en om bij twijfel altijd door te verwijzen naar een menselijk contact in plaats van te gokken. Wie hier de logica in ons artikel over prompts verkopen op PromptBase herkent, zit goed: precies dezelfde precisie die daar een prompt verkoopbaar maakt, maakt hier een chatbot betrouwbaar.
Vervolgens test je grondig op hallucinaties, oftewel momenten waarop de bot met overtuiging iets verzint dat niet klopt. Stel expres lastige, randgevallen-vragen die niet letterlijk in de documenten staan, en controleer of de bot netjes toegeeft het niet te weten in plaats van een verzonnen antwoord te presenteren alsof het feit is. Dit is de stap die de meeste doe-het-zelvers overslaan, en precies de stap die het verschil maakt tussen een chatbot die vertrouwen wekt en een chatbot die een klant ronduit verkeerd informeert.
Tot slot embed je de bot op de website, via een widget die op WordPress, Shopify of Webflow met een paar regels code of zelfs een kant-en-klare plugin wordt geplaatst. De meeste platforms leveren die embed-code kant-en-klaar aan, dus deze laatste stap kost zelden meer dan een kwartier.
Verdienmodel: Hoe Bied Je Dit Aan als Dienst?
Dit is waar het model overstijgt naar iets dat lijkt op het ai agency nederland-model dat de afgelopen twee jaar is opgekomen: je bouwt niet één chatbot voor jezelf, je bouwt chatbots als dienst voor andere kleine bedrijven. Daan hanteert een vaste structuur die inmiddels bij elk nieuw project terugkomt.
| Onderdeel | Prijsindicatie |
|---|---|
| Opstartkosten (setup fee) | €500 – €1.500 |
| Maandelijks onderhoud en hosting | €50 – €150/maand |
| Extra: koppeling met CRM of agenda | €150 – €400 eenmalig |
| Extra: uitbreiding kennisbank per kwartaal | €100 – €250 |
Die opstartkosten dekken het bouwen, testen en implementeren van de bot, terwijl het maandbedrag de hostingkosten van het onderliggende taalmodel dekt, plus kleine aanpassingen en updates aan de kennisbank. Het aantrekkelijke aan dit model, vergeleken met bijvoorbeeld het faceless YouTube kanaal maken met AI dat we eerder behandelden, is dat je hier geen duizenden kijkers nodig hebt voor inkomsten. Eén tevreden klant die het maandbedrag betaalt, is al genoeg om winstgevend te zijn, en elke volgende klant stapelt bovenop een inkomstenbasis die al staat, in plaats van dat je opnieuw bij nul begint zoals bij een groeiend YouTube-kanaal.
Wat dit model bovendien aantrekkelijk maakt, is de herhaalbaarheid. Zodra je de eerste chatbot voor een fysiotherapiepraktijk hebt gebouwd, kost de tweede voor een tandartsenpraktijk of een schoonheidssalon nog maar een fractie van de oorspronkelijke tijd, simpelweg omdat de structuur, de veelgestelde vragen en de system prompt grotendeels hergebruikt kunnen worden binnen dezelfde branche. Daan bouwde voor zijn tweede en derde klant in de zorgsector daarom een sjabloon waarin alleen de specifieke openingstijden, tarieven en behandelaars nog moeten worden aangepast, en dat sjabloon halveerde zijn implementatietijd meteen.
De vraag die veel starters zich stellen, is of je hiervoor een bedrijf of een KvK-inschrijving nodig hebt voordat je klanten aanneemt. Zodra je structureel betaalde opdrachten uitvoert, verwacht de Belastingdienst inderdaad een inschrijving als zelfstandige, en voor wie dit naast een vaste baan opbouwt, geldt dezelfde nuance die we bij eerdere verdienmodellen bespraken: incidentele klussen vallen soms nog onder overige werkzaamheden, maar zodra je actief acquireert en meerdere klanten tegelijk bedient, is het gewoon ondernemerschap, met de bijbehorende btw-plicht over je diensten.
Waar de Meeste Chatbot-Projecten Vastlopen
Niet elk project verloopt zo soepel als bij Daan’s fysiotherapiepraktijk. De meeste mislukte chatbot-implementaties falen niet op de techniek, maar op onderhoud. Een eigenaar die zes maanden na livegang nooit meer terugkomt om de kennisbank bij te werken, eindigt met een bot die adverteert voor een actie die al maanden is afgelopen, of die een medewerker noemt die allang niet meer bij het bedrijf werkt. Dat is precies waarom het maandelijkse onderhoudscontract geen overbodige luxe is, maar de kern van het verdienmodel: jij blijft verantwoordelijk voor de actualiteit van de informatie, en de klant betaalt daarvoor net zoals hij voor een boekhouder of een marketingbureau zou betalen.
Een tweede valkuil is te hoge verwachtingen scheppen. Een chatbot vervangt geen volledig klantenserviceteam, en klanten die dat wel verwachten, raken teleurgesteld zodra de bot een complexe, unieke situatie niet kan oplossen. Daan is daar tegenwoordig expliciet over in zijn verkoopgesprekken: de bot vangt de herhalende, voorspelbare vragen op, en alles wat daarbuiten valt, wordt netjes doorgezet naar een mens. Die verwachting vooraf managen bespaart achteraf een hoop ontevreden telefoontjes.
Privacy en GDPR/AVG Wetgeving in Europa
Hier moet je scherp zijn, want dit is het onderdeel waar de meeste beginnende chatbot-bouwers in de fout gaan. Zodra een chatbot persoonsgegevens verwerkt, zoals namen, e-mailadressen of telefoonnummers die een bezoeker invult, val je onder de AVG, en dat geldt evengoed voor een klein MKB-bedrijf als voor een multinational. Je moet vastleggen waar die gegevens worden opgeslagen, hoe lang je ze bewaart, en of het onderliggende AI-model die gegevens buiten de EU verwerkt, want veel Amerikaanse chatbot-platforms slaan data standaard op Amerikaanse servers op.
Praktisch betekent dit dat je klant een verwerkersovereenkomst nodig heeft met het chatbot-platform, dat je een cookie- of privacymelding toevoegt zodra de bot actief gegevens verzamelt, en dat je nooit gevoelige informatie, zoals medische details bij die fysiotherapiepraktijk van Daan, ongefilterd door de bot laat verwerken zonder expliciete toestemming. Daan bouwt inmiddels standaard een disclaimer in de eerste bericht van elke bot: een korte melding dat het gesprek door AI wordt gevoerd en dat gevoelige gegevens beter telefonisch worden besproken. Dat is geen overbodige voorzichtigheid. Het is precies het verschil tussen een dienst die je met een gerust hart aan klanten verkoopt en een dienst die je op een dag een boze e-mail van een toezichthouder oplevert.
Die klant die negen uur ’s avonds een vraag stuurde en tot maandag moest wachten, dat is waar dit verhaal begon, en het is precies het beeld dat Daan inmiddels voor elf verschillende bedrijven heeft weggenomen. Niet met een groter team, niet met duurdere software, maar met een bot die ’s nachts gewoon doorwerkt terwijl de ondernemer slaapt. Misschien is dat de stilste vorm van automatisering die er bestaat: niemand applaudisseert voor een chatbot die om middernacht een vraag beantwoordt, maar de klant die eindelijk op tijd antwoord kreeg, komt de volgende ochtend wél terug.
