Workflow automatisering voor het mkb: n8n, RPA of AI-agent?

Elk jaar beloven meer tools je bedrijfsprocessen te automatiseren. RPA, workflow-automatisering, no-codetools, AI-agents — de termen lopen door elkaar en de beloftes lijken op elkaar. Zit je met een concreet probleem, dan is het lastig te zien welke aanpak nu echt de jouwe is.

Dit artikel snijdt door het jargon heen. Drie aanpakken: waar elke aanpak echt goed in is, waar hij op stukloopt, en welke past bij welk soort probleem.

Aanpak 1: RPA (Robotic Process Automation)

RPA-software doet na wat een mens op een computer doet: klikken, typen, kopiëren en plakken tussen programma's. Zo'n 'robot' is geprogrammeerd om een vaste reeks stappen af te lopen — open dit programma, klik op deze knop, kopieer deze waarde, plak hem daar.

Waar RPA goed in is: Stabiele, steeds terugkerende taken in systemen die er altijd hetzelfde uitzien. Gegevens overzetten tussen twee programma's die geen koppeling hebben. Oude software automatiseren die op geen enkele andere manier te koppelen is.

Waar RPA moeite mee heeft: Alles wat niet in een vast formaat binnenkomt. Stuurt een leverancier zijn factuur in een net iets andere pdf, dan loopt de robot vast. Verandert een scherm na een update, dan loopt de robot vast. RPA vraagt flink wat doorlopend onderhoud — bij grote bedrijven bestaan hele teams om de robots draaiend te houden.

Iets voor het mkb? Zelden. Een mkb-omgeving is daarvoor te wisselend. Documenten zien er per leverancier anders uit. Processen veranderen terwijl het bedrijf groeit. Het onderhoud kost al snel meer dan de besparing oplevert. RPA is bedacht voor grote organisaties met een eigen IT-afdeling en grote, stabiele processen die zelden veranderen.

Aanpak 2: klassieke workflow-tools

Tools als Zapier, Make (voorheen Integromat) of Microsoft Power Automate koppelen programma's aan elkaar met als-dan-logica: 'gebeurt X, doe dan Y'. Ze zijn visueel, no-code of low-code, en relatief snel op te zetten.

Waar workflow-tools goed in zijn: Vaste triggers en nette gegevens. Vult een klant het contactformulier in, stuur dan een mail en zet er een regel bij in een spreadsheet. Komt er een order binnen in je webshop, werk dan je voorraadsysteem bij. Duidelijke, voorspelbare stromen met schone gegevens.

Waar workflow-tools moeite mee hebben: Alles wat vormvrij binnenkomt — pdf's, mailtekst, wisselende documenten — breekt de als-dan-logica. De tool zou moeten begrijpen wát hij leest, en niet alleen gegevens van A naar B schuiven. Processen met meerdere stappen en echte regels ('wijkt het factuurtotaal meer dan 5% af, leg het dan voor') zijn lastig te onderhouden in een visuele bouwer. En uitzonderingen — die in de praktijk dagelijks voorkomen — vragen bijna altijd om een omweg.

Iets voor het mkb? Voor eenvoudige, vaste automatiseringen: ja. Wil je automatisch een bevestigingsmail sturen als iemand een formulier invult, of twee systemen synchroon houden die allebei een nette koppeling hebben, dan werken workflow-tools prima en zijn ze goedkoop. Voor het echte document- en proceswerk in productie, logistiek of bouw — orderinname, factuurcontrole, inkooporders — redden ze het niet alleen.

Aanpak 3: Agentic AI

Agentic AI is een andere categorie. In plaats van een vast script af te lopen, kan een AI-agent vormvrije inhoud lezen en begrijpen, nagaan wat het betekent, bepalen welke actie nodig is en die uitvoeren — met altijd een mens die goedkeurt voordat er iets de deur uit gaat.

In de praktijk: een leverancier mailt een factuur als pdf. De agent leest hem, haalt de regels eruit, zoekt de bijbehorende inkooporder op in je ERP, legt bedragen en aantallen naast elkaar, ziet waar het afwijkt en zet het voor je op een rij: 'Factuur 12847 van Leverancier BV. Totaal klopt. Drie regels gevonden. Eén afwijking: het aantal op regel 2 wijkt 4 stuks af van de inkooporder. Goedkeuren of markeren?' Jij keurt goed of markeert. Er gaat niets naar de leverancier of naar je boekhouding tot jij dat zegt.

Waar agentic AI goed in is: Vormvrije documenten lezen en begrijpen (pdf's, mails, gescande formulieren). Redeneren over meerdere stappen en meerdere bronnen tegelijk. Uitzonderingen markeren in plaats van erop vastlopen. Meebewegen met variatie in documenten en processen, zonder te breken.

Waar agentic AI moeite mee heeft: Het moet goed gekoppeld zijn aan je bestaande systemen om iets waard te zijn. Een koppeling met een ERP als Exact Online of AFAS moet gebouwd worden; plug-and-play is het niet. En voor heel eenvoudige, strak gestructureerde processen ben je met een klassieke workflow-tool sneller en goedkoper klaar.

Iets voor het mkb? Ja — juist voor het documentzware werk dat de kern vormt van wat productie, bouw, logistiek en groothandel elke dag doen. Orderinname, factuurcontrole, inkooporders, documenten op compliance controleren: precies waar agentic AI voor gebouwd is.

Hoe kies je?

De juiste vraag is niet 'welke technologie is het beste?' maar 'welk probleem los ik op?'

• Voor eenvoudige taken met een vaste trigger (formulier ingediend → e-mail verstuurd, nieuw record → systeemupdate): workflow-tools
• Voor oude systemen zonder koppeling en processen die nooit veranderen: RPA (maar reken op doorlopend onderhoud)
• Voor documentwerk met variatie, uitzonderingen en echte regels: agentic AI

Bij de meeste mkb-bedrijven in productie, bouw, logistiek en groothandel zitten de knelpunten in die derde categorie. De documenten zijn vormvrij, de formaten wisselen, er zijn dagelijks uitzonderingen, en de regels — wat keur je goed, wat markeer je, wat leg je hogerop — doen er echt toe.

Daarom begint het altijd bij goed begrijpen wélk proces je wilt automatiseren — en niet bij een technologie die je vooraf al gekozen hebt.