Custom GPT voorbeelden MKB: 8 praktijktoepassingen

Wat is een custom GPT en waarom is het anders dan gewoon ChatGPT gebruiken

Een custom GPT is een GPT-model dat je configureert met vaste instructies, voorbeelddocumenten en bedrijfsregels via de GPT Builder in ChatGPT. Je uploadt bijvoorbeeld je offertesjabloon, je prijslijst en een lijst met standaardklausules, en de GPT gebruikt die documenten om nieuwe offertes op te stellen in jouw huisstijl. Het verschil met standaard ChatGPT is dat je niet elke keer opnieuw hoeft uit te leggen hoe je bedrijf werkt: de instructies zitten vastgelegd in de GPT zelf.

Custom GPT vs. standaard ChatGPT: wat is het verschil

Standaard ChatGPT werkt met losse prompts. Je typt een vraag, krijgt een antwoord, en de volgende keer moet je weer dezelfde context geven. Een custom GPT onthoudt je bedrijfsregels, tone-of-voice en output-structuur. Je kunt bijvoorbeeld een custom GPT bouwen die altijd begint met "Beste [klantnaam]", altijd je standaard betalingsvoorwaarden toevoegt, en altijd checkt of de BTW correct is berekend. Dat doe je door in de GPT Builder instructies te schrijven zoals "Gebruik altijd 21% BTW voor diensten in Nederland" en "Sluit elke offerte af met onze standaard betalingstermijn van 30 dagen".

Bij projecten die we voor MKB-bedrijven uitvoeren, valt op dat de grootste tijdwinst niet zit in het feit dat de GPT sneller typt dan een mens, maar in het feit dat je niet meer hoeft te controleren of iemand de juiste clausule heeft gebruikt of de juiste tone heeft aangehouden. De GPT doet dat consistent, elke keer.

Wanneer een custom GPT meer oplevert dan een losse prompt

Een custom GPT loont als je een proces hebt dat:

• Elke week of elke dag terugkomt (offertes, factuurcontrole, productbeschrijvingen, klantvragen).
• Vaste regels heeft die je niet elke keer wilt uitleggen (prijslijst, goedkeuringsflow, standaardteksten).
• Meerdere teamleden moeten uitvoeren met dezelfde kwaliteit (klantenservice-antwoorden, leadopvolging).

Voor een eenmalige taak is een losse prompt vaak genoeg. Maar als je elke week 10 offertes opstelt, 20 bonnetjes verwerkt of 50 klantvragen beantwoordt, dan betaalt een custom GPT zich in de eerste maand terug.

8 concrete custom GPT voorbeelden voor Nederlandse MKB-sectoren

Hieronder staan acht praktijkvoorbeelden verdeeld over bouw, administratie, e-commerce en zakelijke dienstverlening. Elk voorbeeld beschrijft het proces voor en na, de instructies die je meegeeft aan de GPT, en hoeveel tijd het bespaart.

Bouw en installatie: offertes en calculaties

Voor: Een bouwbedrijf typt elke offerte handmatig in Word, haalt prijzen op uit een Excel-sheet, en past standaardteksten aan per project. Dat kost 45 minuten per offerte.

Na: De eigenaar bouwt een custom GPT die de prijslijst, standaardklausules en voorbeeldoffertes kent. De GPT vraagt: "Wat is het adres, welke werkzaamheden, en wat is de opleverdatum?" en genereert een offerte in 3 minuten. De eigenaar controleert de output en stuurt hem door.

Instructies voor de GPT: "Je bent offerte-assistent voor een bouwbedrijf. Gebruik altijd onze standaard betalingsvoorwaarden (30 dagen na oplevering), reken 21% BTW voor alle diensten, en voeg de clausule toe over meerwerk. Gebruik de prijslijst in het bestand prijzen_2025.xlsx voor alle materialen."

Tijdwinst: 40 minuten per offerte, bij 10 offertes per maand is dat ruim 6 uur per maand.

Administratie en boekhouding: bonnetjes en factuurcontrole

Voor: Een administratief medewerker verwerkt inkoopfacturen handmatig: controleert of de BTW klopt, checkt of het bedrag overeenkomt met de bestelling, en boekt de factuur in Exact Online. Dat kost 10 minuten per factuur.

Na: Een custom GPT leest de factuur (via OCR of upload), controleert of de BTW correct is, checkt of het leveranciersadres klopt, en genereert een boekingsvoorstel. De medewerker hoeft alleen nog goed te keuren en door te sturen naar de boekhouder.

Instructies voor de GPT: "Je bent factuurcontroleur. Controleer altijd: is de BTW 21% of 9%, klopt het totaalbedrag, staat de leverancier in onze goedgekeurde lijst (zie bestand leveranciers.csv). Geef een samenvatting in deze structuur: Leverancier, Bedrag excl. BTW, BTW-bedrag, Totaal, Opvallende punten."

Tijdwinst: 7 minuten per factuur, bij 40 facturen per maand is dat bijna 5 uur per maand.

E-commerce: productbeschrijvingen en klantvragen

Voor: Een webshop schrijft productbeschrijvingen handmatig voor elke nieuwe collectie. Dat kost 20 minuten per product, en de tone-of-voice verschilt per schrijver.

Na: Een custom GPT genereert productbeschrijvingen op basis van een foto, een lijst met specificaties en voorbeeldteksten. De GPT gebruikt altijd dezelfde tone (vriendelijk, informeel, gericht op duurzaamheid) en voegt automatisch SEO-keywords toe.

Instructies voor de GPT: "Je schrijft productbeschrijvingen voor een duurzame kledingwebshop. Gebruik altijd een vriendelijke, informele tone. Benoem altijd het materiaal, de pasvorm en de duurzaamheidscertificering. Sluit af met een call-to-action zoals 'Bestel nu en ontvang hem binnen 2 werkdagen'."

Tijdwinst: 15 minuten per product, bij 20 nieuwe producten per maand is dat 5 uur per maand.

Voor klantvragen bouwt dezelfde webshop een tweede custom GPT die veelgestelde vragen beantwoordt op basis van een kennisbank. De GPT checkt de status van een bestelling, legt het retourbeleid uit, en geeft advies over maten. De klantenservice-medewerker controleert het antwoord en stuurt het door, of past het aan als de vraag complexer is.

Zakelijke dienstverlening: leadopvolging en urenregistratie

Voor: Een consultancybureau ontvangt 30 contactformulieren per week. De eigenaar leest elke lead, bepaalt of het een goede fit is, en stuurt een standaard-reply. Dat kost 5 minuten per lead.

Na: Een custom GPT leest het contactformulier, stelt kwalificerende vragen (budget, tijdlijn, aantal medewerkers), en genereert een conceptreply. De eigenaar ziet in 30 seconden of de lead interessant is en stuurt de reply door of past hem aan.

Instructies voor de GPT: "Je bent leadkwalificatie-assistent voor een HR-consultancybureau. Stel altijd deze vragen: Hoeveel medewerkers heeft het bedrijf? Wat is de tijdlijn? Wat is het budget? Geef een score van 1 tot 5 (5 = zeer interessant) op basis van: bedrijven met 10-100 medewerkers scoren hoger, budget boven €5.000 scoort hoger, tijdlijn binnen 3 maanden scoort hoger."

Tijdwinst: 4 minuten per lead, bij 30 leads per week is dat 2 uur per week, ofwel 8 uur per maand.

Voor urenregistratie bouwt hetzelfde bureau een custom GPT die aan het einde van de week vraagt: "Wat heb je deze week gedaan?" en de antwoorden omzet in gestructureerde urenregistratie per project en per klant. De GPT kent de projectcodes en de standaard uurtarieven, en genereert een overzicht dat direct in het urensysteem kan worden geïmporteerd.

Loop je hier tegenaan in jouw MKB? We denken graag 30 minuten gratis met je mee, geen verkoopgesprek. Plan een gratis kennismaking

Hoe bouw je een custom GPT die integreert met AFAS, Exact Online of Moneybird

Een custom GPT heeft zelf geen directe API-connectie met AFAS, Exact Online of Moneybird. Maar je kunt via een automation-platform zoals Make of n8n data ophalen uit je boekhoudsysteem, die data door de GPT laten verwerken, en de output terugschrijven naar je systeem. Dat klinkt technisch, maar het is een standaard workflow die we bij onze bedrijfsautomatisering in 1 tot 2 dagen opzetten.

Stap 1: definieer welke data je nodig hebt uit je boekhoudsysteem

Begin met de vraag: wat moet de GPT weten om zijn taak te doen? Voor factuurcontrole heb je nodig: leveranciersnaam, factuurbedrag, BTW-percentage, factuurdatum. Voor offertes heb je nodig: klantgegevens, prijslijst, standaardteksten. Schrijf een lijst met de exacte velden die je uit AFAS of Exact wilt ophalen.

Check ook of je die data via de API kunt ophalen. AFAS heeft een REST API, Exact Online heeft een REST API, Moneybird heeft een REST API. De meeste Nederlandse boekhoudsystemen ondersteunen API-toegang, maar je hebt soms een specifiek abonnement nodig (bijvoorbeeld Exact Online vereist een accountant- of developer-licentie voor API-toegang).

Stap 2: bouw de koppeling met Make of n8n

Maak een workflow in Make of n8n die:

1. Data ophaalt uit je boekhoudsysteem (bijvoorbeeld alle openstaande facturen van deze maand).
2. Die data doorstuurt naar de OpenAI API met de instructies van je custom GPT.
3. De output van de GPT terugschrijft naar je systeem of naar een Google Sheet voor controle.

Voorbeeld: een workflow die elke ochtend om 9 uur alle nieuwe inkoopfacturen uit Exact Online ophaalt, ze door de custom GPT stuurt voor controle, en de resultaten in een Slack-bericht zet voor de financieel medewerker.

Wij bouwen deze workflows end-to-end voor MKB-klanten, inclusief foutafhandeling (wat gebeurt er als de API niet bereikbaar is?) en logging (welke facturen zijn gecontroleerd, welke niet?). De eerste workflow is meestal binnen 2 tot 4 weken live.

Stap 3: train de custom GPT op je bedrijfsregels

Upload de documenten die de GPT moet kennen: je prijslijst, je standaardteksten, je goedkeuringsregels, voorbeeldfacturen. Schrijf duidelijke instructies: "Gebruik altijd 21% BTW voor diensten" en "Als het bedrag hoger is dan €5.000, voeg dan de opmerking toe: Goedkeuring directie vereist".

Test de GPT met echte voorbeelden uit je systeem. Geef hem 5 facturen en controleer of de output klopt. Pas de instructies aan als de GPT iets mist of iets verkeerd interpreteert. Herhaal dit tot de GPT in 9 van de 10 gevallen de juiste output geeft.

AVG-checklist: wat mag wel en niet door ChatGPT

ChatGPT is een Amerikaanse dienst, en OpenAI verwerkt alle input via servers in de VS. Dat betekent dat je voorzichtig moet zijn met persoonsgegevens. De Autoriteit Persoonsgegevens adviseert:

• Mag wel: Geanonimiseerde data (facturen zonder klantnamen, offertes zonder adressen), interne documenten zonder persoonsgegevens, productbeschrijvingen, FAQ-teksten.
• Mag niet zonder extra maatregelen: Klantgegevens met naam en adres, BSN-nummers, medische gegevens, financiële gegevens van natuurlijke personen.
• Oplossing: Gebruik een verwerkersovereenkomst met OpenAI (beschikbaar voor ChatGPT Team en Enterprise), of anonimiseer de data voordat je hem door de GPT stuurt. Bij gevoelige data raden we aan om een on-premise AI-model te gebruiken in plaats van ChatGPT.

Voor de meeste MKB-processen (offertes, factuurcontrole, productbeschrijvingen) is een custom GPT met ChatGPT Plus of Team voldoende, mits je geen directe persoonsgegevens deelt. Als je twijfelt, vraag dan advies aan een privacy-jurist of aan ons: wij helpen klanten regelmatig met AVG-conforme automatisering.

Wat de meeste bedrijven fout doen bij custom GPT's (en hoe wij het aanpakken)

Bij klanten die we helpen met custom GPT's zien we drie fouten steeds terugkomen. De eerste is te generieke instructies. De GPT weet niet hoe jouw bedrijf werkt, dus als je schrijft "Maak een offerte", krijg je een generieke offerte die niet past bij jouw tone-of-voice, niet jouw prijzen gebruikt, en niet jouw standaardklausules bevat. De oplossing is om de instructies zo specifiek mogelijk te maken: "Gebruik altijd deze prijslijst, deze tone-of-voice, en deze clausules".

De tweede fout is geen validatie van output. De GPT genereert tekst die er goed uitziet, maar die feitelijk onjuist kan zijn. Bijvoorbeeld: een offerte met een verkeerd BTW-percentage, of een productbeschrijving met een verkeerde specificatie. De oplossing is om altijd een mens in de loop te houden voor goedkeuring. De GPT genereert de output, een teamlid controleert, en pas dan gaat het naar de klant.

De derde fout is het verkeerde proces kiezen. Een custom GPT automatiseert een proces, maar als dat proces zelf rommelig is (wie mag wat goedkeuren? welke prijslijst is leidend? wat is de standaard tone-of-voice?), dan automatiseer je de rommel. Wij pakken dit aan door eerst het proces uit te schrijven voordat we de GPT bouwen. Dat kost een halve dag extra, maar het voorkomt dat je een GPT bouwt die niemand gebruikt omdat het proces onduidelijk is.

Bij onze custom GPT-dienst werken we altijd in deze volgorde: eerst het proces uitschrijven, dan de GPT trainen, dan testen met echte voorbeelden, en pas dan live zetten. De eerste workflow is meestal binnen 2 tot 4 weken operationeel, inclusief training van je team.

Voor een verwante invalshoek lees ook onze post Top 10 Workflow Automatisering Voorbeelden voor MKB.