Je bedrijf opnieuw opbouwen met Zoho One: wat als je vandaag opnieuw mocht beginnen?
Wat als je jouw organisatie vandaag opnieuw mocht bouwen? Niet de bedrijfsvoering zelf, maar de systemen en processen eromheen. Met de kennis en technologie van nu: zou je het dan nog steeds op dezelfde manier doen?
Ik denk vaak van niet. In mijn vorige artikel schreef ik dat goede data de basis is. Maar stel dat die data op orde is. Stop je die dan terug in systemen en processen die jaren geleden zijn bedacht? Daar denk ik de laatste tijd veel over na, en het heeft geleid tot een concreet plan: Zoho One opnieuw inrichten, vanaf een blanco vel. Zoho One is het pakket waarin CRM, financiën, support en marketing samenkomen. Claude is de AI die wij daarin gebruiken om informatie te beoordelen, niet alleen om tekst te schrijven.
Je huidige omgeving telt daarbij juist mee. Met je huidige CRM heb je jaren ervaring opgebouwd, of dat nu Zoho is, Salesforce of iets anders. Je weet welke processen werken, waar klanten afhaken en welke uitzonderingen steeds terugkomen. Die ervaring kun je vertalen naar een omgeving die vanaf het begin goed is ontworpen, in plaats van te blijven bouwen op legacy.
Waarom veel bedrijfsomgevingen niet meer passen
Eerst kwam er een CRM, daarna een boekhoudpakket, supportsoftware, planning, marketing, formulieren, spreadsheets en losse applicaties. Daartussen zijn koppelingen gebouwd en workflows toegevoegd. Medewerkers vonden handige oplossingen voor wat technisch niet kon. Het resultaat werkt, maar het is niet het systeem dat je vandaag zou ontwerpen.
Veel processen bestaan namelijk omdat de technologie vroeger beperkingen had. Een accountmanager houdt zelf in de gaten wanneer een klant opnieuw iets nodig heeft. Een medewerker controleert gegevens omdat twee systemen niet met elkaar praten. Support ziet andere informatie dan sales. Contracten worden op vaste momenten handmatig nagelopen. Daar is niets mis mee, want het was destijds de beste oplossing. Alleen zijn veel van die beperkingen inmiddels verdwenen.
Systemen kunnen informatie uit verschillende bronnen combineren en automatisch reageren op veranderingen. Ze kunnen grote hoeveelheden informatie beoordelen en alleen doorsturen wat aandacht nodig heeft. Daardoor verandert de vraag. Het is niet meer alleen “hoe automatiseren we dit proces?”, maar steeds vaker “hebben we dit proces nog wel nodig?”
Wat een nieuwe omgeving anders doet
Ik kom regelmatig ideeën tegen die een paar jaar geleden strandden op kosten, complexiteit of systemen die niet konden koppelen. Die grenzen schuiven op. Een contract dat afloopt of een offerte die blijft liggen signaleert al een gewone regel in je CRM. Slimmer wordt het als een systeem informatie uit verschillende bronnen combineert en beoordeelt. Bijvoorbeeld dat:
- de toon in e-mails en supporttickets van een klant verandert, nog voordat er een klacht binnenkomt
- een klant minder contact zoekt dan voor die klant gebruikelijk is, terwijl er tegelijk supportvragen openstaan en het contract binnenkort afloopt
- een gespreksverslag of e-mail een afspraak of deadline bevat die nog nergens in het CRM staat
- er buiten de organisatie iets gebeurt dat voor die klant relevant is, zoals nieuwe vacatures, een nieuwe directeur of een overname
Daar hoeft geen volledig autonoom systeem achter te zitten. Vaak is het al veel waard als de juiste medewerker op het juiste moment wordt gewezen op iets wat hij anders pas weken later had gezien.
Waarom zou je dat steeds bovenop een bestaande omgeving bouwen? Soms kan dat prima. Ik denk alleen dat het vaker loont om naast de bestaande omgeving een schone nieuwe te bouwen. Met goede data als uitgangspunt, automatisering vanaf het ontwerp en actuele eisen voor privacy en beveiliging. En met één afspraak: we bouwen niet automatisch na wat er al is. Iedere workflow moet opnieuw zijn bestaansrecht bewijzen. Waarom doen we dit? Kan het eenvoudiger? Kan het systeem dit zelf? Moet een medewerker hier echt tussen zitten?
Je begint opnieuw, maar niet vanaf nul. Een bestaande omgeving bevat jaren aan ervaring. Je weet waar klanten afhaken, welke uitzonderingen vaak voorkomen, welke informatie medewerkers missen en welke rapportages toch weer in Excel eindigen. En waarschijnlijk ook welke koppeling niemand meer wil aanraken. Die kennis neem je mee, zonder alle keuzes uit het verleden mee te nemen.
Zoho One opnieuw inrichten in de praktijk: een voorbeeld
Een illustratief voorbeeld, geen klantcase. Stel een groothandel met tachtig medewerkers. Er komt een aanvraag binnen en de relevante bedrijfsinformatie wordt automatisch verzameld. Ontbreekt er iets, dan wordt dat gesignaleerd of opgevraagd. Bij een nieuwe klant worden risico’s gecontroleerd aan de hand van vooraf bepaalde regels. Na akkoord start de juiste onboarding.
Tijdens de samenwerking blijft het systeem meekijken, niet alleen naar omzet en openstaande deals, maar ook naar afspraken, contactmomenten, supportvragen en contracten. De accountmanager krijgt geen honderd meldingen. Hij krijgt er één: deze klant belt minder dan normaal, heeft twee klachten openstaan en het contract loopt over drie maanden af. Dat is het moment om te bellen.
Hetzelfde geldt voor de commerciële kant: marktontwikkelingen volgen, concurrenten monitoren, leren van verloren offertes en klanten helpen voordat zij zelf weten welke stap logisch is. Niet alles hoeft automatisch. Het doel is dat mensen hun tijd besteden aan werk waar ze waarde toevoegen, terwijl het systeem het voorbereidende, controlerende en signalerende werk overneemt. AI zetten we in waar beoordeling of interpretatie nodig is. Mensen blijven waar kennis, verantwoordelijkheid en contact het verschil maken.
Wat het vraagt en wat het kost
De logische vraag is of dit niet ontzettend veel geld kost. Een nieuwe omgeving goed ontwerpen kost tijd en geld. Zet daar tegenover wat het kost om jaar na jaar koppelingen, workflows, controles, rapporten en applicaties toe te voegen aan een omgeving die daar nooit voor is gebouwd. Op een gegeven moment ben je vooral bezig de geschiedenis van je systeem in stand te houden. Doordat Zoho One veel functionaliteit standaard biedt en andere technologie steeds makkelijker te koppelen is, hoeft een nieuwe omgeving niet automatisch een jarenlang project te zijn. Zeker niet als je hem naast de bestaande bouwt en stap voor stap overstapt.
Dit bouw je bovendien niet met één expertise. Een goede Zoho-specialist is niet automatisch een dataspecialist. Een AI-specialist kent je bedrijfsprocessen niet vanzelf. Daarom werken we met partners die diepere technische integraties, data, development en infrastructuur inbrengen. Zelf hebben we al agents gebouwd die CRM-data beoordelen, automatiseringen die informatie verzamelen en monitoring van accounts. De volgende stap is om dat één keer echt samen te brengen in een complete omgeving.
Voor welke organisatie zoeken we dit?
We bouwen één omgeving bij een echte organisatie, geen demo, met als doel dat die begin 2027 live is. Belangrijker dan de individuele klant is de branche. Wat we daar leren, willen we herhaalbaar maken. Het past bij een organisatie die:
- veel herhaalbare processen heeft
- veel informatie verwerkt
- duidelijke commerciële en operationele beslissingen neemt
- ruimte heeft om dingen echt anders te organiseren
Het maakt daarbij niet uit met welk CRM je nu werkt. Of dat Zoho is, Salesforce of iets anders: de kennis en gegevens uit je huidige omgeving nemen we mee.
Over de voorwaarden praten we in een eerste gesprek. Ik zie dagelijks genoeg onderdelen hiervan werken om te weten dat het kan. Wat mij betreft is het tijd om het één keer echt te bouwen.
Wat zegt het onderzoek hierover?
Dit artikel is voor een deel mijn eigen ervaring. Hieronder staat per claim welk onderzoek erbij past en waar het bewijs beperkt is. Alle bronnen zijn op 21 september 2026 geopend. Het bewijs is het sterkst voor het herontwerpen van workflows in plaats van AI in bestaande processen stoppen. Er is ook een veldexperiment waarin AI winst opleverde zonder fundamenteel herontwerp. Voor naast de bestaande omgeving bouwen en stap voor stap overstappen is er vooral praktijkadvies, geen onderzoek naar MKB.
| Claim in het artikel | Bron | Wat het laat zien | Kanttekening |
|---|---|---|---|
| Bij AI gaat het om herontwerp van workflows, niet om erbovenop plakken | McKinsey, “The state of AI”, maart 2025 (1.491 respondenten, 101 landen) | “Out of 25 attributes tested for organizations of all sizes, the redesign of workflows has the biggest effect on an organization’s ability to see EBIT impact from its use of gen AI.” Slechts 21 procent van de gebruikers had minstens enkele workflows fundamenteel herontworpen. | Enquête onder organisaties van alle groottes, zelfgerapporteerd. Laat samenhang zien, geen oorzaak. |
| Idem, nieuwere meting | McKinsey, “The state of AI in 2026: On the road to ROI”, 25 augustus 2026 (1.719 respondenten, 97 landen) | “Nearly three-quarters of high performers report fundamentally redesigning workflows because of their AI use, up from 55 percent last year. By comparison, just one-quarter of other respondents report doing so.” | “High performers” zijn respondenten met 5 procent of meer EBIT-effect van AI. Zelfde kanttekening: samenhang, geen bewezen oorzaak. |
| Idem, tweede onafhankelijke enquête | BCG, “AI at Work 2025: Momentum Builds, but Gaps Remain”, 23 juni 2025 (ruim 10.600 respondenten, 11 landen en regio’s) | “One-half of companies … are moving beyond productivity plays (what we call Deploy) to redesign workflows (Reshape).” Werknemers bij bedrijven die hun workflows herontwerpen besparen volgens BCG “significantly more time”. | Adviesbureau-enquête, zelfgerapporteerd. In de geraadpleegde tekst staan geen exacte percentages tijdwinst. |
| Bouwen kost tijd en levert pas later op, omdat het om processen en niet alleen om software gaat | McElheran, Yang, Kroff en Brynjolfsson, “The Rise of Industrial AI in America”, 2025, besproken door MIT Sloan op 9 juli 2025 (twee enquêtes van het Amerikaanse Census Bureau, 2017 en 2021) | Bedrijven die AI invoerden zagen eerst een productiviteitsdaling. Over een langere periode presteerden ze beter dan bedrijven zonder AI. AI vraagt volgens de onderzoekers investeringen in “data infrastructure, staff training, and workflow redesign”. | Amerikaanse maakindustrie, geen MKB-dienstverlening. Beoordeeld via het artikel van MIT Sloan over het onderzoek, niet via het paper zelf. |
| Idem, theoretisch kader | Brynjolfsson, Rock en Syverson, “The Productivity J-Curve”, American Economic Journal: Macroeconomics, 2021 | Algemene technologieën zoals AI vragen grote complementaire investeringen in nieuwe processen, business models en vaardigheden. Die drukken de productiviteit eerst en leveren later op. | Macro-economisch onderzoek met data tot 2017. Onderbouwt de gedachte achter de kostenparagraaf, geeft geen bedragen. |
| Signaleer voor de medewerker, laat de mens in de lus | Brynjolfsson, Li en Raymond, “Generative AI at Work”, Quarterly Journal of Economics, 2025 | Bij 5.179 supportmedewerkers steeg de productiviteit gemiddeld 14 procent, bij beginners 34 procent, met minimaal effect bij ervaren medewerkers. | Eén bedrijf en één werkveld (support), AI adviseert de medewerker. Geen CRM-signalering. |
| Klantgedrag, contactmomenten en supportvragen geven vroege signalen | Customer Churn Prediction: A Systematic Review of Recent Advances, Trends, and Challenges in Machine Learning and Deep Learning, Machine Learning and Knowledge Extraction, 2025 (240 studies, 61 inhoudelijk, 2020 tot 2024) | Modellen gebruiken gedragskenmerken uit tijdreeksen en klantinteracties en tekstuele feedback. | De review noemt scheve klassen, moeilijke interpreteerbaarheid, veranderend klantgedrag en beperkt gebruik in de praktijk. Studies zijn te divers voor een meta-analyse. |
| Naast de bestaande omgeving bouwen en stap voor stap overstappen | Fowler, “Strangler Fig Application”, bijgewerkt 22 augustus 2024 | “Replacing a serious IT system takes a long time, and the users can’t wait for new features.” Kleine onderdelen vervangen geeft minder risico: “Since these components are small, there isn’t so much risk involved when we introduce the new software.” | Praktijkadvies uit software-architectuur, geen empirisch onderzoek. Fowler vervangt onderdelen van één systeem, wij bouwen een nieuwe omgeving ernaast. Het principe is vergelijkbaar, de toepassing niet dezelfde. |
| Tegenwicht: AI levert ook winst zonder fundamenteel herontwerp | Fang e.a., “Generative AI and Sales Productivity: Field Experiments in Online Retail”, arXiv 2510.12049 (zeven gerandomiseerde veldexperimenten, september 2023 tot juni 2024) | GenAI gaf effecten van verwaarloosbaar tot 16,3 procent meer omzet, het grootst bij een chatbot in klantenservice. De implementaties integreerden AI in bestaande processen in plaats van ze fundamenteel te herontwerpen. | Preprint op arXiv, groot e-commerceplatform, geen MKB. Laat zien dat herontwerp niet altijd nodig is voor resultaat. |
Voor een complete nieuwe Zoho One omgeving bij een MKB-bedrijf en voor de meerwaarde van een team met meerdere disciplines heb ik geen onderzoek gevonden. Dat deel van dit artikel baseer ik op onze eigen ervaring.
Herken je jouw organisatie hierin, of ken je een organisatie waarvoor dit past?
Ik hoor het graag. Mail naar marvin@mforz.com of plan een kort gesprek.
Wil je eerst klein beginnen? Bekijk onze korte implementatiesprints.