June AI haalt $20 miljoen op om AI-implementatie te vereenvoudigen

TL;DR

• Wat: Startup June haalt $20 miljoen pre-seed op om een platform te bouwen dat AI-implementatie in bedrijven automatiseert.
• Waarom relevant: De grootste hindernis bij AI is niet het model kiezen, maar het werkend krijgen binnen je bestaande systemen en processen.
• Wat je ermee kunt: Bekijk of je huidige AI-plannen vastlopen op implementatie — en of tooling in plaats van consultancy een optie is.

Ik stuitte vandaag op een bericht dat precies raakt aan iets waar ik veel ondernemers over hoor: AI klinkt fantastisch, maar hoe krijg je het nou daadwerkelijk aan de praat in je bedrijf? Een startup genaamd June denkt dat AI zélf het antwoord is op dat probleem. Dat vond ik interessant genoeg om in te duiken.

Wat is June en wie zit erachter?

June is opgericht door Efrat Rapoport, samen met Ohad Hen, Barak Goldstein en Idan Tsitiat. Geen onbekenden: ze bouwden eerder Bonobo AI, dat in 2019 werd overgenomen door Salesforce. Rapoport werkte daarna vijf jaar bij Salesforce als VP Product Management en hoofd van de R&D-afdeling in Israël. Dat is relevant, want het betekent dat dit team van binnenuit heeft gezien hoe lastig het is om AI daadwerkelijk te laten landen in grote organisaties.

De pre-seed-ronde van $20 miljoen — een opvallend groot bedrag voor een pre-seed — werd geleid door Time Ventures, het investeringsvehikel van Salesforce-CEO Marc Benioff. Andere investeerders zijn Michael Dell (Dell Technologies), Diane Greene (voormalig CEO van VMware), Aaron Levie (CEO van Box) en George Kurtz (CEO van CrowdStrike). Volgens TechCrunch werd de ronde gesloten zonder pitch deck. Dat zegt iets over het netwerk en de reputatie van de oprichters.

Het probleem: AI werkt, maar implementatie hapert

Hier zit wat mij betreft de kern. De AI-modellen zelf — denk aan ChatGPT, Claude, Gemini — worden steeds beter. Maar voor de meeste bedrijven is het probleem niet het model kiezen. Het probleem is: hoe koppel je dat model aan je bestaande CRM, je boekhoudsoftware, je klantendata, je werkprocessen?

Rapoport zegt het treffend: "AI increases, paradoxically, the demand for professional services." Oftewel: hoe beter AI wordt, hoe meer consultants je nodig hebt om het in te richten. Dat klinkt tegenstrijdig, maar als je erover nadenkt is het logisch. Een slim model is nutteloos als het niet bij je data kan, of als je processen niet kloppen.

Dit is geen theoretisch probleem. Het aantal vacatures voor zogeheten forward-deployed engineers — specialisten die bij klanten AI-systemen installeren en werkend maken — groeide van 643 naar meer dan 5.300 in één jaar tijd, een stijging van zo'n 729%. Bedrijven als OpenAI, Anthropic en AWS investeren miljarden in dit soort dienstverlening. In West-Europa rekenen AI-consultants €70 tot €220 per uur. Voor een klein of middelgroot bedrijf lopen die kosten snel op.

Wat doet June precies?

June's platform werkt in drie stappen:

1. Scannen: Het analyseert automatisch je bestaande bedrijfssystemen — denk aan Salesforce, SAP, Oracle, ServiceNow, Workday, Microsoft-omgevingen — om te begrijpen hoe je processen lopen en waar knelpunten zitten.
2. Plan maken: Op basis van die analyse genereert het platform stapsgewijze implementatiegidsen voor AI-agents, inclusief taken als dataopschoning en systeemkoppelingen.
3. Uitvoeren: Gebruikers kunnen elke stap met één klik uitvoeren, zodat June de AI-oplossingen direct in de bestaande omgeving bouwt.

Stel dat je als ondernemer al maanden worstelt om een AI-chatbot te koppelen aan je klantenbestand in Salesforce. Wat June belooft, is dat hun platform die puzzel voor je oplost — zonder dat je een extern bureau hoeft in te huren. Of dat in de praktijk zo soepel werkt als het klinkt, moet nog blijken. Het bedrijf komt net uit stealth en de bewijslast is nog beperkt. Er wordt één case study genoemd: hypotheekverstrekker CMG, die na weken handmatig proberen via June wél AI-agents aan Salesforce gekoppeld kreeg.

Wat betekent dit voor Nederlandse ondernemers?

Ik vind dit om twee redenen relevant voor het Nederlandse MKB.

Ten eerste: 84% van de Nederlandse MKB-bedrijven is van plan om de komende drie jaar meer in AI te investeren — het hoogste percentage van alle onderzochte landen. De ambitie is er dus. Maar de praktijk leert dat veel bedrijven vastlopen op dezelfde dingen: legacy-systemen, rommelige data, onduidelijke processen, gebrek aan technische kennis in-house.

Ten tweede: als je als MKB'er kijkt naar de tarieven van AI-consultants — €70 tot €220 per uur — dan is tooling die een deel van dat werk automatiseert in principe aantrekkelijk. Niet als vervanging van alle expertise, maar als manier om de eerste stappen goedkoper en sneller te zetten.

Een kanttekening

June richt zich nu duidelijk op enterprise-omgevingen: grote systemen als SAP, Oracle, Salesforce. Voor een Nederlands MKB-bedrijf met een wat eenvoudigere IT-omgeving is de directe toepasbaarheid op dit moment waarschijnlijk beperkt. Maar het signaal is breder dan deze ene startup. Er komen steeds meer tools die de implementatielaag van AI willen vereenvoudigen. Dat is een trend om in de gaten te houden, ook als June zelf niet jouw oplossing wordt.

De verschuiving van model naar implementatie

Wat mij opvalt aan dit verhaal, is dat het past in een bredere beweging. De aandacht in de AI-wereld verschuift. Een jaar geleden ging alles over wie het beste model had. Nu gaat het gesprek steeds vaker over: wie kan AI het snelst en betrouwbaarst werkend krijgen bij echte bedrijven met echte systemen?

Dat is geen glamoureus onderwerp. Niemand maakt een viral video over data-opschoning of systeemintegratie. Maar voor ondernemers is het precies de plek waar waarde ontstaat — of verdampt. Je kunt het vergelijken met een restaurant: het recept (het AI-model) kan briljant zijn, maar als de keuken een puinhoop is en de leveranciers niet leveren, komt er geen goed bord op tafel.

Voor mij is dit vooral een bevestiging dat de volgende fase van AI niet draait om nóg slimmere modellen, maar om de praktische, soms saaie stappen om die modellen nuttig te maken in een bestaand bedrijf. En dat is eigenlijk goed nieuws — want het betekent dat de bal steeds meer bij de ondernemer ligt, niet bij het Silicon Valley-lab.