Kort antwoord: AI in een CRM levert pas iets op als de gegevens eronder kloppen. Begin bij drie toepassingen met een duidelijke randvoorwaarde: gegevenskwaliteit en eigendom, opvolging op gedrag, en ondersteuning van het gesprek zelf. Doe het in die volgorde. Sla de eerste stap over en de andere twee produceren vooral meer ruis.
De vraag is meestal niet of een platform AI heeft. Leveranciers beschrijven inmiddels agents voor klantvragen, voor prospecting en voor klantonderzoek, allemaal binnen hetzelfde platform. De vraag is welke van die functies bij jou iets veranderen, en dat hangt minder van het platform af dan van de gegevens die erin zitten.
Wij zien bij bedrijven die hiermee beginnen steeds hetzelfde patroon: er wordt gestart met de functie die het meest opvalt, en niet met de laag daaronder. Onderstaande volgorde is de onze, met de randvoorwaarde die erbij hoort.
De eerste toepassing is niet spectaculair en levert het meeste op. Zonder vastgelegde eigenaar per record, zonder eenduidige status en zonder een bron per veld, is elke analyse daarna een discussie in plaats van een uitkomst.
HubSpot beschrijft het zelf ook zo: bij het aanmaken van eigenschappen hoort de vraag hoe je gegevens architecteert, en in sommige gevallen is een eigen object verstandiger dan een extra eigenschap op een bestaand object. Dat is geen technisch detail, het is de vraag wie welke informatie waarvoor gebruikt.
Begin met één bron van waarheid voor de leadstatus en één eigenaar per record. Alles wat daarna komt, van scoring tot rapportage, leunt daarop.
Een tweede onderdeel van deze stap is het opschonen van wat er al staat. In de praktijk blijken velden die ooit zijn ingericht nooit te zijn gebruikt, terwijl het team bij het terugzoeken van een eerdere afspraak op iets anders leunt. Loop die lijst één keer door en schrap wat niemand gebruikt. Minder velden die kloppen werkt beter dan meer velden die half gevuld zijn.
Voor de kwalificatiekant helpt het om eerst scherp te hebben wanneer een lead salesklaar is en hoe je dat met lead scoring op gedrag en profiel onderbouwt. Zonder die twee definities meet je activiteit in plaats van verkoop.
De tweede toepassing is het moment waarop een signaal automatisch bij de juiste persoon terechtkomt. Dat is inrichtingswerk: een regel die een taak aanmaakt, een eigenaar toewijst en een vervolgdatum zet. Er komt in de basis geen model aan te pas.
Het effect is wel groot, omdat het de zwakke plek raakt die de meeste teams hebben: een herkend bedrijf of een binnengekomen formulier waar niemand binnen een dag iets mee doet. Een regel die dat afvangt is meer waard dan een slimme functie die niemand gebruikt. Hoe je van zo'n signaal een gesprek maakt, staat in het stuk over websitebezoek opvolgen van herkenning naar gesprek.
Onze eigen cijfers uit week 39 laten zien waarom dit geen automatisme mag worden. Er waren 42 unieke belpogingen, waarvan 35 technisch langer dan 30 seconden. Bij vier daarvan is de juiste contactpersoon aantoonbaar gesproken. In tien gevallen bleef het bij een gatekeeper of een terugbelverzoek, in negen bij voicemail en in veertien bij geen gehoor. Automatisering mag hier niets wegpoetsen: het aantal pogingen is geen gesprekskwaliteit.
De derde toepassing is waar AI zichtbaar wordt voor sales: voorbereiding, samenvatting en vastlegging van een gesprek. Dat scheelt tijd en het maakt het terugzoeken makkelijker, op één voorwaarde: wat het systeem samenvat, moet de eigenaar zelf kunnen controleren en corrigeren.
Zet hier een harde grens. Laat het systeem niet beslissen wie wordt gebeld, wat er wordt gezegd en wanneer er wordt opgegeven. Dat zijn precies de drie dingen die het verschil maken tussen een gesprek dat ergens uitkomt en een gesprek dat netjes is afgerond.
Waar het wel werkt: de voorbereiding vooraf, de vastlegging erna, en het terugvinden van een eerdere afspraak. Drie taken, alle drie controleerbaar door de mens die het gesprek voerde. De afweging welke taken je wel en niet overdraagt, staat uitgebreid in het stuk over welke saleswerk je niet automatiseert.
Er is nog een reden om bij de data te beginnen, en die is minder technisch. Zodra een team gewend raakt aan automatisch gegenereerde taken en samenvattingen, verschuift de aandacht van het gesprek naar het dashboard. Het aantal taken dat een systeem aanmaakt is makkelijk te vieren, terwijl het niets zegt over de vraag of er werkelijk iemand is gesproken die iets kan beslissen.
Wat je nodig hebt om dat verschil te zien, zijn twee definities die je vooraf afspreekt. Wanneer noemen we contact zakelijk relevant, en wanneer is iemand de juiste persoon voor dit onderwerp. Zonder die twee blijft elke rapportage een discussie, en wordt elke conclusie over een campagne of een kanaal een mening.
Beschrijvingen van AI in een platform gaan over de mogelijkheden, de demonstratie laat de functies zien, en beide zijn het startpunt van een gesprek dat je intern nog moet voeren. Vraag bij een demonstratie altijd drie dingen na: welke gegevens heeft de functie nodig, wie controleert de uitkomst, en waaraan zie je na dertig dagen of het werkt.
Die laatste vraag is de belangrijkste en hij wordt het minst gesteld. Een functie die werkt maar niet meetbaar is, kun je na een jaar niet verantwoorden. Een functie die minder doet maar waarvan je de uitkomst kunt aanwijzen, is meer waard.
De aanbevolen volgorde is dezelfde als hierboven: eerst de data en het eigendom, dan de opvolging op gedrag, dan de ondersteuning van het gesprek.
De verleiding is om met de derde te beginnen, omdat die het meest zichtbaar is in een demonstratie. Het risico is dat je dan een laag bouwt op gegevens die niemand vertrouwt, en dat de eerste verkeerde conclusie het hele project ongeloofwaardig maakt.
Reken voor de eerste twee stappen een aantal weken inrichtingswerk, niet een middag. Leg per stap vast wie eigenaar is en waaraan je ziet dat het werkt. Zonder die twee afspraken verleng je alleen de projectduur.
Wil je zien waar wij beginnen? Bekijk hoe TTG HubSpot-inrichting met een kloppende datalaag aanpakt, lees wanneer een lead salesklaar is en werk met het lead generation playbook als download de opvolging stap voor stap uit. De resultaten van eerdere inrichtingen staan tussen onze cases. Wil je eerst sparren over de volgorde in jouw situatie, dan kun je de CRM-inrichting met TTG bespreken.
Het platform beschrijft onder meer agents voor klantvragen, voor salesprospecting en voor klantonderzoek. Wat daarvan voor jou werkt, hangt af van je gegevens: zonder vastgelegde eigenaar, eenduidige status en duidelijke bron per veld levert elke toepassing vooral discussie op in plaats van uitkomsten.
Eerst de gegevens. Dat is de minst opvallende stap en de enige die de andere twee dragend maakt. Begin met één bron van waarheid voor de leadstatus en één eigenaar per record, en breid daarna uit.
Laag. In de opgeslagen SEMrush-export van juni 2026 staat ai hubspot op 20 zoekopdrachten per maand en ai agents hubspot op 10, met een CPC van 6,73 euro. Dat lage volume met een relatief hoge klikprijs wijst op een kleine groep met duidelijke koopintentie, niet op een groot publiek.
Door vooraf per toepassing een eigenaar en een meetpunt vast te leggen. Kijk niet naar het aantal automatisch aangemaakte taken, maar naar wat er daarna gebeurt: is de juiste persoon gesproken, is er een inhoudelijk gesprek gevoerd, en is er een afspraak uit gekomen.
Dat kan zeker. Het werk zit in de volgorde en in de afspraken die je vastlegt, niet in het platform. Ga je het zelf doen, reserveer dan de tijd voor de eerste stap; die wordt het vaakst overgeslagen omdat er geen zichtbaar resultaat tegenover lijkt te staan.
We kijken waar je nu zichtbaar bent, waar kansen liggen en welke pagina’s, cases of AI-signalen prioriteit hebben.
Bekijk onze marketing & ai dienst
Ruben van Twillert · Mede-eigenaar
Vul je gegevens in en we nemen zo snel mogelijk contact met je op.