Elke week spreek ik één professional over hoe AI zijn werk op een doordeweekse dag verandert. Aflevering vijf gaat over Michaël Brouwer, gerechtsdeurwaarder en directeur van Syncasso, een van de grotere gerechtsdeurwaarderskantoren van Nederland, met ruim tweehonderdvijftig mensen op vijf vestigingen. Voordat hij dat vak inging, haalde hij een master in theologie, kerkrecht en ethiek.

Iemand die vandaag een aanmaning van hem krijgt, kan gisteren zijn baan kwijt zijn geraakt. Hoe dichter AI bij zo'n besluit komt, hoe zwaarder een fout weegt. Het eerste scoremodel van Syncasso dateert uit 2008 en zulke modellen wegen mee of een zaak met een betaalregeling duurzaam opgelost kan worden, of dat er een rechter aan te pas moet komen. Michaël is daarnaast gecertificeerd AI-compliancefunctionaris. Wat hij deed om AI verantwoord aan het werk te krijgen, begon bij een vraag aan zijn eigen mensen.

De eerste winst zoekt hij bij zijn ontwikkelaars

Toen wij elkaar de vorige keer spraken, waren ze bij Syncasso net begonnen met Copilot. Dat draait er inmiddels bij een deel van zijn mensen, al gebruikt niet iedereen het even actief. Daarmee zit hij in de fase waar bijna elke organisatie een tijd in blijft hangen. De licenties zijn uitgedeeld, de eerste enthousiastelingen zijn los en daarna gebeurt er maandenlang weinig meer. Michaël krijgt daar elke keer hetzelfde antwoord op terug.

"Daar moeten we dan tijd voor vrijmaken. Misschien moeten we er trainingen voor volgen."

Dat hoor ik bij vrijwel elk bedrijf. Het klinkt als een toezegging en het schuift de zaak netjes vooruit, want die tijd komt er in een volle week nooit vanzelf bij. Michaël zoekt de oorzaak een laag dieper, bij hoe mensen hun dag inrichten.

"Mensen zijn bezig met hun dagdagelijkse werkzaamheden. Ze houden niet per se van verandering en ze houden niet per se van experimenteren. Het vraagt een bepaalde mindset."

Eén groep vormt de uitzondering. Zijn ontwikkelaars zijn vele malen verder, gebruiken AI om te programmeren en hebben het in hun eigen werkprocessen ingebouwd. Zij kregen hetzelfde gereedschap als de rest, alleen hebben zij hun werk eromheen verbouwd.

Hij verlegde zijn aandacht naar die plek. De koplopers krijgen ruimte en de eerste winst zoekt hij in de werkprocessen zelf, waarna de rest van de organisatie aan de beurt is.

De plek waar hij daarnaast de meeste ruimte ziet is klantcontact, van e-mailafhandeling tot het callcenter. Dat komt allemaal het systeem binnen en levert een berg gegevens op waar je ook weer iets mee zou kunnen doen. Precies daar zet hij de rem erop. "De mens moet centraal blijven", zegt hij. Achter elk van die telefoontjes zit iemand met een openstaande rekening.

De tweede rem legt hij zichzelf op. De ontwikkelingen gaan hard en er is elke week wel een nieuw model. Juist daarom neemt hij de tijd voor zijn keuzes.

"Als je alleen maar jaagt op de latest and the greatest, dan blijf je dat najagen en bouw je nooit stabiliteit op in je bedrijf."

Daar houdt hij zich ook aan. "Als organisatie hoef je niet per se vooraan te lopen." Vasthouden kost hem wel iets, want een jaar stilzitten staat inmiddels gelijk aan een modelgeneratie overslaan. Hij neemt dat voor lief, omdat een bedrijf dat elk kwartaal zijn werkwijze verandert nergens op kan bouwen.

De ruimte tussen een aanmaning en een regeling

Zodra AI in die werkprocessen zit, gebeurt er werk waar niemand meer naast zit. Ik vroeg hem of de mens daarmee manager wordt van de agents.

"Manager vind ik het verkeerde woord. Ik zie eerder een vader- of moederfiguur. Of een leider, iemand die richting geeft en ruimte laat."

Waarom dat woord voor hem niet werkt, zit een laag dieper.

"Een mens draagt zijn verantwoordelijkheid in het hier en nu. Hoe intelligent AI ook wordt, wij kunnen onze verantwoordelijkheid er niet aan overdragen."

In de markt heet de gangbare oplossing human in the loop. Op vaste punten in een geautomatiseerd proces kijkt een mens mee voordat het verder mag. Michaël vindt die term te smal.

"Mijn bezwaar tegen human in the loop is dat het kan suggereren dat menselijke verantwoordelijkheid zich beperkt tot een paar controlemomenten. Voor mij loopt die verantwoordelijkheid door het hele proces heen. De mens is het proces."

Dat kan klinken als een woordenspel. Wat hij ermee bedoelt, legde hij uit met een voorbeeld van thuis.

"Je geeft je kind een snoepje als beloning, dan weet het dat het iets goed heeft gedaan. Maar soms geef je ook een snoepje zonder dat daar een reden voor is. Je bent op vakantie, dan mag er wat meer snoep. Als je daar puur zwart-wit naar kijkt, is die ruimte er nooit."

In zijn eigen werk zit diezelfde ruimte tussen een aanmaning en een regeling. Iemand met een openstaande rekening heet daar een debiteurklant.

"Stel, iemand is gisteren ontslagen. Zwart-wit gezien moet die vordering gewoon betaald worden. Maar een mens legt daar empathie in, snapt dat die persoon morgen niet kan betalen en gaat er flexibeler mee om."

Aan die ruimte hangt bij hem meteen een voorwaarde.

"Ruimte voor de uitzondering vraagt juist om uitleg. Wie afwijkt van de standaard moet kunnen laten zien waarom dat in dit dossier de juiste beslissing was."

Zo'n ontslag hoor je in een telefoongesprek. Wie AI op zijn klantcontact zet, erft de procesoptimalisatie van jaren. Een model versnelt gewoon wat er staat.

Hij maakte vervolgens de rekening op voor zijn eigen sector en rekende zichzelf mee.

"Onze sector heeft jarenlang sterk gestuurd op standaardisering, efficiency en voorspelbaarheid. Daarmee hebben we soms ook professionele ruimte en menselijk oordeel uit het proces georganiseerd. Dat kantelt nu weer, omdat we die afweging juist willen kunnen maken."

Hij haalde er een voorbeeld uit zijn eigen leven bij. In de sportschool laat hij zich coachen door AI, op de plek waar eerst zijn personal trainer stond.

"Alleen ziet hij niet dat er verschil zit tussen mijn bezoeken. Soms werk ik netjes mijn schemaatje af. En soms kom ik gewoon om mijn hoofd leeg te maken, dan heb ik even geen zin om te bankdrukken en wil ik op de loopband rennen."

Ik liet hem mijn eigen fitnessbandje zien, dat me na een sprintje meldt dat ik meer moet rusten. Hij pakte dat meteen op.

"Voor je het weet loopt dat net zo in je bedrijf. Als je AI te veel aan het roer laat, verlies je die menselijke waarde."

De frictie die hij op de werkvloer ophaalde

Bij de meeste organisaties hangt ethiek als poster in de gang. Michaël begon bij de vraag wat daar dan eigenlijk op zou moeten staan.

"Ethiek is voor iedereen anders. Mensen verschillen in hun normen, waarden en de manier waarop ze die in concrete situaties wegen."

Hij haalde Anthropic aan, het bedrijf achter Claude, dat voor zijn model een grondwet heeft vastgelegd met de normen en waarden waar het zich aan houdt. Anthropic schrijft er zelf bij dat die normen door de makers zijn gekozen.

"Daar valt wat voor te zeggen. Alleen zitten daar normen en waarden in die heel erg bij Anthropic passen. En wij mensen zijn allemaal anders, we hebben allemaal andere normen en waarden."

Daarna stelde hij dezelfde vraag intern.

"Ik heb in mijn eigen organisatie uitgevraagd: wat zijn onze ethische guidelines eigenlijk? Daar gaan mensen dan op lopen. En waar je achterkomt is dat daar flink wat frictie zit."

Dat sprokkelen kost tijd en volgens hem is dat de moeite waard.

"Het is superbelangrijk om het voor jezelf in kaart te brengen. Als je het meegeeft aan de AI, kan die veel meer binnen jouw normen en waarden meesturen."

Wat hij ophaalde was het omgekeerde van die poster, namelijk frictie. Plekken waar twee collega's verschillend beslissen en allebei een goed argument hebben. In die verschillen zit het oordeel dat een model zelf niet kan maken.

Over het model zelf is hij onomwonden.

"Op veel cognitieve taken is AI mij ruimschoots de baas. Maar intelligentie is nog geen oordeel en zeker geen verantwoordelijkheid."

De kunst zit erin die kracht eruit te krijgen. Daarvoor maakt het meer uit wat je meegeeft dan hoeveel. Het gaat om de juiste context, om de juiste normen en waarden.

"Het gebruik van AI vraagt ons ook goed na te denken over de data die we invoeren en de vragen die we stellen."

Hij illustreerde dat met een gedachte-experiment dat al twintig jaar in AI-kringen rondgaat.

"Als je AI een doel geeft, gaat hij dat doel achterna. Geef je hem als doel om zoveel mogelijk paperclips te maken, dan is uiteindelijk de hele wereld een paperclipfabriek."

Een doel dat te kaal is opgeschreven doet in een incassoproces precies wat je ervan vreest. Vraag om het hoogste geïnde bedrag en je krijgt het hoogste geïnde bedrag, ook bij de mensen die het morgen niet hebben. Op de schaal van een gewone opdracht werkt het net zo, want ook in je vraag zit al een keuze verstopt.

"Je moet AI veel vragen stellen. Alleen zit in je vraag ook weer een bias. Vraag je om een goed plan van aanpak, dan is de vraag meteen: wat is goed? Goed is voor iedereen anders."

Wat er uit die uitvraag komt, gaat bij hem rechtstreeks het gereedschap in. Hij legt het vast in wat hij skills noemt, kleine instructiebestanden waarin je je werkwijze en zienswijze meegeeft, plus vaste werkprocesflows voor werk dat elke week terugkomt. Wie daarna iets aan een model vraagt, krijgt die laag er automatisch bij.

Compliance geeft hem richting

Bestuurders die ik spreek noemen de AI Act vooral als reden om iets niet te doen. Die wet sorteert toepassingen op risico, waarbij een handjevol verboden is en het meeste in de lichtste categorie valt, buiten het bereik van de zwaarste eisen. Andere regels blijven daar gewoon staan, van de privacywetgeving tot de eisen die je eigen sector stelt. En AI die de kredietwaardigheid van particulieren beoordeelt kan in die rangorde als hoog risico worden aangemerkt, dus wie met geld en met mensen tegelijk werkt komt daar eerder terecht dan onderin.

Michaël haalde daar een certificering voor, een opleiding met examen over het vertalen van die regels naar werkbaar beleid. Juist iemand met dat papier kijkt er andersom naar.

"Compliance is een goed middel, maar je moet je er niet door laten leiden. Als je het alleen ziet als het verbieden, dan zit je aan de verkeerde kant. Zie het als een guideline."

Publiek is hij daar net zo helder over. Een verbod of een zware beperking van AI zou het vak volgens hem jaren achteruit zetten. Voor de aarzeling van zijn collega's gebruikt hij het woord onkunde.

Over de modellen waar zijn eigen bedrijf op draait is hij even scherp. Uitlegbaarheid noemt hij de achilleshiel van AI, want hoe accurater een voorspelling wordt, hoe moeilijker het is om uit te leggen hoe die tot stand komt.

Wat er moet staan voordat je een licentie koopt

Een directeur in een gereguleerde organisatie, medewerkers die al AI gebruiken, geen samenhangende aanpak en een kwartaal om iets neer te zetten. Dat legde ik hem tot slot voor.

Weet wat je eigen normen en waarden zijn voordat je AI ergens op loslaat, zegt hij. Pas daarna komt het gereedschap.

Zo'n uitvraag verzandt makkelijk in een werkgroep die een jaar later een document oplevert, dus zou ik hem klein houden. Pak vijf besluiten van vorige maand waarover collega's het oneens waren en laat iedereen die erbij zat opschrijven wat voor hem of haar de doorslag gaf. Dan ligt de eerste frictie er binnen een middag. Het complete beeld kost langer, alleen hoef je daar niet op te wachten.

Waar hij zelf op let, is de taal die je onderweg gebruikt.

"Zo'n model is geweldig in taal. Juist daarom moet je voorzichtig zijn met jouw taal. Door een bepaalde bewoording te kiezen schiet je een hoek in die je als mens misschien helemaal niet bedoelde."

Een model kiest zijn woorden uit wat jij hebt meegegeven. Daarvoor is hij die frictie gaan ophalen, zodat er ruimte overblijft voor iemand die gisteren zijn baan verloor.

Aan het werk met AI is een reeks portretten van mensen die AI in hun dagelijkse werk gebruiken.

Dank aan Michaël voor zijn tijd en voor het meelezen.

Loopt bij jou de discussie over AI vast op de vraag wat wel en niet mag, dan denken we bij WAINUT graag met je mee.

Deze zomer spreek ik elke week één professional over hoe AI zijn werk op een doordeweekse dag verandert. Aflevering vier gaat over David Maij, gepromoveerd psycholoog, die aan de Universiteit van Amsterdam onderzoek deed naar gedragsverandering en gewoontevorming in scholen. Hij begeleidt scholen al ruim tien jaar en richtte drie jaar geleden samen met een ondernemer uit de IT het bedrijf Onderwijs AI op.

Bijna elke organisatie beoordeelt mensen op wat ze inleveren. Dat werk komt inmiddels ook uit een model. David heeft er zijn vak van gemaakt om te meten wat er daarna nog in een hoofd zit. Uit de Monitor Digitalisering Onderwijs 2025 kwam dat vijf procent van de basis- en middelbare scholen duidelijke afspraken heeft over verantwoord AI-gebruik, terwijl de leerlingen er allang mee werken. De AI-detector, waar docenten en teamleiders als eerste aan denken, raadt hij af.

Waar hij de knip legt tussen zelf doen en uitbesteden

Hoe gaan we dit managen? Die vraag hoorde ik een paar jaar geleden van een docentenkorps en ik legde hem aan David voor. Een leerling levert een foutloos werkstuk in. Hoe weet die docent dan nog wat de leerling heeft geleerd? David scheidt daar twee dingen die op een rapport hetzelfde cijfer krijgen.

"Ik noem dat het verschil tussen presteren en leren. Als je AI gaat gebruiken, dan ga je veel beter presteren. Je huiswerkopdrachten ga je foutloos inleveren. Maar als je op een toets opeens geen AI meer mag gebruiken, dan zien we dat je eigenlijk niks geleerd hebt."

Dat effect is in gecontroleerd onderzoek aangetoond. Mij houdt de andere kant bezig. Een leerling die tien versies langsloopt en er de fouten uit haalt, is intensief met de stof bezig. Is dat uitbesteden van denkwerk misschien een nieuwe vorm van leren? Hij gaat daarin mee zodra de basis er ligt.

"Ik denk dat je eigenlijk pas over cognitieve uitbesteding moet gaan nadenken als je een aantal basisvaardigheden beheerst. Stel je kan nog niet zo goed schrijven en je gaat dat schrijven uitbesteden, dan ga je niet goed leren schrijven."

Je ontleedt een opdracht in denkstappen en bepaalt per stap wat de leerling zelf doet. In zijn voorbeeld moet een dertienjarige vooral leren hoe je structuur opbouwt, dus maakt die leerling het plan zelf en mogen de losse alinea's naar de AI.

En dan ondermijnt hij zijn eigen oplossing. "Gaan ze dat dan doen?" Een leerling die een beetje van AI begrijpt, laat de verantwoording over zijn promptgebruik net zo goed door de AI schrijven. Dus moet er iemand naast gaan zitten om te zien wat er werkelijk gebeurt. Daar zijn niet genoeg docenten voor. "Het is lastig."

Bij zwemles gaat het bandje eraf en weet je binnen dertig seconden of het gelukt is. Bij kenniswerk valt die proef weg, want het hulpmiddel blijft er altijd bij. Dus spreek je vooraf af welk deel van het denkwerk iemand zelf doet. Bij David komt dat oordeel uit de tijd en de moeite die iemand er zelf in heeft gestopt.

De AI die het antwoord inhoudt, bouwt de docent zelf

Over de gangbare tools laat hij weinig heel.

"De modellen die ze nu gebruiken, gewoon standaard ChatGPT en standaard Gemini, dat zit echt het leren in de weg."

Dat gaat over de leerling die om een antwoord vraagt, volgens hem het overgrote deel. Een kleinere groep vraagt zelf door en ziet wat een model met het eigen leren doet. Wie eenmaal weet hoe hij zo'n gesprek moet sturen, leert er juist veel van. David voorop.

ChatGPT kreeg in juli 2025 een studeermodus die stap voor stap begeleidt en Gemini volgde een week later met Guided Learning. Precies de knop waarvan een school zou hopen dat hij dit oplost.

David vertrouwt hem niet. "Als je een beetje gaat pushen en je zegt 'geef me gewoon het antwoord', dan geeft hij gewoon het antwoord." Zo'n modus is een instructie bovenop het gewone model. Zodra iemand aandringt, bezwijkt die instructie.

Zijn alternatief legt het werk bij de docent, die dan een eigen versie van Gemini of een eigen chatbot inricht.

"Wat je eigenlijk wilt is dat de docent educatieve AI gaat maken, waarin een bepaalde basislaag van didactiek zit."

Didactiek is de kunde van hoe je iemand iets leert. Pedagogiek, de omgang tussen docent en leerling, hoort daar in de praktijk bij. De eerste regel van die onderlaag gaat over wat de assistent moet weigeren.

"Wat je eigenlijk nooit wilt is zomaar een antwoord geven aan een leerling. Je wilt de voorkennis van een leerling bevragen. Wat weet een leerling al? Wat weet een leerling nog niet? En dan wil je hem in hele kleine stapjes verder gaan helpen."

Wie zoiets wil bouwen heeft twee dingen tegelijk nodig.

"Wat mij betreft moet je als docent van de toekomst twee zaken in je gereedschapskist hebben. En dat zijn AI-geletterdheid en didactiek."

Dat eerste, begrip van hoe een model aan zijn antwoorden komt, is waar het vastloopt. Zijn voorbeeld is het plaatje van een dokter, waar meestal een man uit komt. Het vakblad The Clinical Teacher publiceerde in december 2025 een telling van twaalfhonderd van zulke plaatjes, gemaakt met twee gratis generators over dertig specialismen heen. Tweeëntachtig procent werd een man en bij de huisarts kwam er geen enkele vrouw uit. In Nederland is inmiddels drieënzestig procent van de huisartsen vrouw, volgens de cijfers van Nivel over 2024. Een docent die zo'n plaatje in zijn les plakt, laat de klas een wereld zien die hier al niet meer bestaat.

Heeft een docent die twee dingen wel in huis, dan verandert wat hij kan maken.

"Dan kun je tools gaan maken die leerlingen gaan helpen. Dan kun je misschien spellen gaan maken waar je normaal geen tijd voor had. Dan kun je toetsen maken die eens een keer motiverend zijn. Ik denk dat door die twee zaken te combineren het onderwijs veel vetter kan worden dan wat het nu is."

Daar zet hij zelf de stand van zaken achter. "Maar daar zijn we nog niet." Zolang zo'n docent er nauwelijks is, werkt hij met wat de school hem geeft, als hij al iets gebruikt, terwijl de klas thuis het beste model draait dat er te vinden is.

"En dan krijg je gewoon een oneerlijke wedstrijd."

De detector wijst steeds dezelfde leerlingen aan

De eerste maatregel waar docenten en teamleiders aan denken is een detector, software die uit een tekst afleidt of er een model aan te pas is gekomen. Hier is hij het stelligst van het hele gesprek. "Dus je moet gewoon niet met detectietools aan de slag gaan."

Dat oordeel komt uit de wetenschappelijke literatuur en begint bij de foutmarge.

"Er is een heel grote kans op fout-positieven. Dus dat je iemand beschuldigt terwijl het eigenlijk geen AI gebruikt heeft."

Onderzoekers van Stanford lieten zeven veelgebruikte detectors los op essays van scholieren die in het Engels schreven terwijl dat hun tweede taal was. Ruim zes op de tien werden aangemerkt als AI, tegenover ongeveer een op de twintig bij Amerikaanse leerlingen. Ze lieten diezelfde Amerikaanse essays door ChatGPT versimpelen en het foutpercentage schoot van vijf procent naar ruim de helft. Een detector gaat dus af op eenvoud en voorspelbaarheid, wat niets zegt over wie er achter het toetsenbord zat.

Wie in een vast, voorspelbaar patroon schrijft, om welke reden dan ook, loopt tegen dezelfde muur aan.

"Leerlingen met een immigrantenachtergrond, leerlingen die dyslexie hebben, of die een vorm van autisme hebben, die worden sneller aangemerkt als gebruikers van AI. Terwijl het dan helemaal niet zo is."

De Nederlandse organisaties die scholen hierover adviseren raden detectie om die reden af, terwijl de leerlingen die er handig in zijn er gewoon langs komen met gereedschap dat hun tekst net genoeg herschrijft om niet meer als AI te worden aangemerkt.

Wat hij ervoor in de plaats zet kost geen licentie.

"Ik denk wel dat als je als docent veel AI gebruikt, dat je patronen gaat herkennen. Niet X maar Y in teksten. Een opsomming van drie. En andere AI-clichés. En dat je dan wel het gesprek moet aangaan met leerlingen."

Dat gesprek is meteen de toets.

"Dat deden we vroeger altijd met een schriftelijke opdracht. Maar dat laat niet meer zien of je iets echt hebt geleerd. Dus dat is niet meer valide."

Valt de vorm van je toets door de mand, dan vervang je die vorm. Diezelfde vraag ligt in elke organisatie op tafel, want de sollicitatieopdracht die je thuis laat maken levert een model nu ook af.

Bij de eerste vergadering gaat het over servers en privacy

De houding tegenover AI ziet hij in een paar jaar kantelen.

"De eerste tendens in het onderwijs was misschien wel: hé, dit is een hype, dat waait wel weer over. Inmiddels hebben mensen wel door: dit is geen hype. En we moeten hier iets mee."

Wat er daarna op tafel komt gaat over de infrastructuur.

"Er wordt nog wel heel erg veel vanuit risico's gedacht. Als je hoort waar de gesprekken over gaan, dan zijn dat AVG-richtlijnen, privacy, Europese servers, behoud van data, Amerikaanse modellen waar we niks mee te maken willen hebben, duurzaamheidsfactoren."

Dat rijtje ken je waarschijnlijk uit je eigen overleg. Het is stuk voor stuk terecht en het houdt een agenda een jaar bezet, terwijl de mensen op de werkvloer ondertussen doorwerken met wat er op hun telefoon staat. Zijn eigen oordeel daarover laat hij er kort op volgen.

"Er wordt nog wel heel erg behoudend gedacht, in het onderwijs."

De klok tikt intussen door. Vanaf augustus 2027 krijgt digitale geletterdheid eigen kerndoelen in het onderwijs, met AI er expliciet in. De inspectie gaat er vanaf 2031 op toezien. Uit Europa komt minder druk dan verwacht, want de eis dat organisaties zorgen dat hun mensen met AI overweg kunnen is deze zomer verzacht tot een inspanningsverplichting. Die vier jaar zijn krapper dan ze klinken, want er kwamen ook leerdoelen bij voor burgerschap terwijl de leesvaardigheid al jaren daalt en het personeelstekort aanhoudt.

"Het probleem is dat er van het onderwijs momenteel enorm veel gevraagd wordt."

Waar hij een schoolleider laat beginnen

Ik legde hem tot slot een schoolleider voor die ziet dat er van alles gebeurt en niet weet waar hij begint. Hij wil dan vier dingen op tafel hebben. Hoe de infrastructuur ervoor staat, wat er aan visie en beleid ligt, wat er in de klas gebeurt en waar het personeel staat.

Dat laatste is waar de meeste organisaties overheen stappen. De gebruikelijke volgorde is licenties inkopen, iedereen dezelfde training geven en achteraf de tevredenheid uitvragen. Meet je vooraf hoe AI-geletterd mensen zijn en doe je die meting na afloop opnieuw, dan weet je of er iets is blijven hangen.

Het werk zelf begint bij de visie.

"Je moet beginnen bij de why. Waarom zijn jullie een school? Wat willen jullie eigenlijk bereiken met jullie leren? En hoe willen we dat AI daar wel of niet een rol in speelt?"

Vanaf daar werkt hij via de kaders en de tools in kleine stapjes toe naar het gedrag dat hij in de klas wil zien. Er zijn ook scholen die AI liever helemaal buiten de deur houden. "Ik vind daar wat van." Ligt er een doordachte visie onder, dan legt hij zijn eigen oordeel opzij.

Eén ding zou ik daaraan toevoegen. Hij zegt dat er iemand naast die leerling moet gaan zitten om te zien wat er werkelijk gebeurt en dat de docenten daarvoor ontbreken. Die schaarste aan meekijkers heb jij waarschijnlijk ook. Wijs daarom vooraf aan welk werk een senior regel voor regel doorneemt voordat het naar buiten gaat. Wat je niet aanwijst, gaat ongezien de deur uit.

"Want als je te veel in één keer gaat doen, dan worden mensen gek. Omdat er al zoveel gebeurt in het onderwijsland."

Aan het werk met AI is een reeks portretten van mensen die AI in hun dagelijkse werk gebruiken.

Dank aan David voor zijn tijd en voor het meelezen.

Weet je niet of de AI-trainingen die je hebt ingekocht iets hebben opgeleverd, dan denken we bij WAINUT graag met je mee.

Deze zomer spreek ik elke week één professional over hoe AI zijn werk op een doordeweekse dag verandert. Aflevering drie gaat over Martin Schoonderbeek, al jaren CIO in de bouw met een militaire achtergrond en daarnaast adviseur in de bouw-IT. Daarvoor was hij ondernemer en deed hij in de sector zo'n twintig grote implementatietrajecten. Hij bouwde een IT-afdeling op die inmiddels een eigen AI-specialist op de loonlijst heeft staan.

Bijna alles wat je over AI en werk leest, gaat over mensen achter een bureau. Bij Martin zitten de collega's daar grotendeels niet, dus hier zie je AI buiten het kantoor landen. De eerste stap die de meeste directeuren zetten, noemt hij aan het eind van het gesprek een kansloze missie.

Aan de bestuurstafel rekent hij met twee, vier en zes procent

Martin komt aan die tafel binnen met een vuistregel in procenten van de jaaromzet. Volgens hem geeft een bouwbedrijf gemiddeld twee procent aan IT uit. Vanaf vier procent komt zo'n bedrijf aan innovatie toe en bij zes procent gaat het helemaal los.

"Als iemand honderd miljoen omzet doet, dan geeft hij zes miljoen uit aan IT bijvoorbeeld, op innovatiegebied. Dat is ondenkbaar."

Ondenkbaar in de bouw, bedoelt hij. Het zijn zijn eigen werkcijfers en de richting klopt, want de sector staat in internationale vergelijkingen onderaan bij IT-uitgaven, terwijl het gemiddelde over alle sectoren rond de vijf procent ligt.

Martin legt de keuze over dat percentage bij het bestuur en de eigenaren, want daar wordt het budget vastgesteld. Volgens hem valt of staat een IT-strategie met "echt serieus leiderschap". Dat ziet hij in de bouw nog te weinig.

Wat hij aan die tafels voorschrijft, is een frequent overleg waarin bestuur, directie en IT samen de projecten en innovaties langslopen. Dat begint wekelijks, met korte sprints omdat er dan veel te beslissen valt. Zodra de structuur staat, kan het minder vaak. Bij hem is dat eens per twee weken.

Eén keer per maand staat hij op een zeepkist bij een personeelssessie en vertelt wat IT heeft bereikt, inclusief de mislukte projecten. "Dit is echt heel slecht, maar dat hebben we daarna gerepareerd en er heel veel van geleerd."

Twee dagen zonder systemen vindt hij te overzien. Wat hem bezighoudt, is het moment dat iemand in de dataomgeving inbreekt. Dan ben je maanden bezig om het te repareren, als dat nog een optie is. Dat kost volgens hem allemachtig veel geld. "Ga je dat allemaal overleven?"

"Ze zijn heel erg bezig met veiligheid op de bouw. Dat is heel goed, dat er geen ongelukken gebeuren, dat we de goede handschoenen aanhebben. En dat is allemaal helemaal perfect. Maar die IT-veiligheid wordt in sommige gevallen nog wel eens vergeten."

Sinds 15 augustus 2026 legt de Cyberbeveiligingswet die IT-veiligheid op de bestuurstafel van ruim achtduizend Nederlandse organisaties, met een zorgplicht waarop een bestuurder bij aantoonbare nalatigheid persoonlijk kan worden aangesproken. Bouwbedrijven staan zelf niet op de sectorlijst, dus zij krijgen die eisen doorgelegd door hun opdrachtgevers.

De vraag komt nu van de bouwplaats zelf

Het geld wordt in de bouw buiten verdiend, dus vroeg ik hem wat een timmerman of een uitvoerder hiervan merkt. Er staan steeds meer mensen op het werk die geen Nederlands spreken en die je hard nodig hebt, dus komen uitvoerders zelf met de vraag of er een app kan komen die met die verschillende talen omgaat en het proces automatisch laat lopen.

In de inkoop gebeurt dat al. Waar iemand vanuit de bouwkeet vroeger zelf een aanvraag intikte, doet AI nu het zoekwerk.

"Die gaat allerlei bronnen af om te kijken waar het vandaag het goedkoopste is en morgen te leveren is. En dan komt er een voorstel dat jij als gebruiker anders nooit kan weten."

De uitvoerder beoordeelt dat voorstel en hoeft daarna alleen nog op de knop te drukken.

"Daar zie je dus echt een stuk efficiëntie, dat die uitvoerder zich meer kan gaan focussen op bouw dan op administratieve lasten."

Diezelfde beweging hangt boven het werk. Er vliegen geregeld drones over de bouwwerken en die beelden leggen in het datamodel vast wat er op de bouw gebeurt. Ze onderbouwen de discussie over wat er op welke dag wel of niet is gedaan, waar het vroeger gissen was. "Wij hebben de beelden."

Uitvoerders vliegen inmiddels zelf boven het werk, op "een best wel hoog niveau". In het begin was dat even wennen en een beetje vreemd.

Wie in de bouw uitrekent wat een project gaat kosten voordat de prijs naar de opdrachtgever gaat, heet een calculator. Die rol verschuift volgens Martin steeds meer naar kostendeskundige.

"Dat is iemand die al het verstand heeft van kosten."

De hoeveelheden en de kosten hangen inmiddels in het digitale bouwmodel, dus er rollen volgens hem in een paar minuten meerdere doorgerekende varianten uit.

"Terwijl je daar normaal gesproken weken over moest calculeren. En dan rolde er een keer een prijs uit."

Bij de inkoop, de drone en de calculatie gaat het telkens om de administratie rondom het werk.

De fundering onder de AI, met de eis die hij in het contract zet

AI noemt hij een containerbegrip waar de meeste bedrijven op vastlopen, omdat ze niet weten waar ze moeten beginnen. Zijn antwoord komt uit zijn eigen vak.

"Als jij tien lagen op elkaar wil bouwen, dan moet je zorgen dat je een verrekte goede fundering hebt."

Die fundering is bij hem één datamodel, met AI erbovenop.

"Als jij in een strategie vastlegt dat je je data centraal hebt, en dat je met slimme agents te allen tijde bij die data kunt komen, dan heb je ook altijd je eigen waarheid."

De hoeveelheden uit het bouwmodel, de dronebeelden en de prijzen van leveranciers komen daarom in één omgeving bij elkaar. Bij veel bedrijven liggen die bronnen op verschillende plekken, zegt hij, "en dan heb je nooit één waarheid".

In zijn IT-strategie staat een eis die verder gaat dan opruimen.

"Wij doen alleen nog maar zaken met partijen waarvan wij in ieder geval een kopie van de data in onze eigen omgeving kunnen krijgen. Want anders kan ik nooit met die data omgaan."

De gebruikelijke route is een opruimproject achteraf, waarin je maanden bezig bent om van verspreide bronnen één waarheid te maken. Martin zet het aan de voorkant, in de voorwaarde waaronder hij een leverancier kiest.

Iedere dag een paar brokjes, tot het team volloopt

Voor de AI-laag bovenop die fundering stuurt hij anders dan voor de rest van zijn IT. Onder de ondernemingsstrategie ligt een IT-strategie. Daarnaast ligt wat hij de AI-verandering noemt. "En dat is andere koek."

Een IT-strategie leg je vast en voer je uit. Bij AI gaan de veranderingen daarvoor te hard, dus levert hij per project bewijs.

"De IT-strategie is mooi, maar omdat die veranderingen zo hard gaan, leveren we daar bewijs voor. De bewijslast is dat we die projecten steeds sneller en efficiënter kunnen maken."

Hoe hij dat bewijs de organisatie in krijgt, vat hij samen in één beeld.

"Iedere dag je hond een paar brokjes geven is veel beter dan één keer een bak, want die bak is zo leeg."

Elk klein succes deelt hij binnen de groep. Daarna komt er iets op gang dat hij zelf competitie noemt. De reactie die hij dan hoort is "waarom heb jij dat nou geautomatiseerd en ik niet?"

Voor zo'n proces zet hij een businessanalist naast de persoon die het werk doet. Die schrijft op wat er werkelijk gebeurt en wijst aan waar iets met de hand gaat of dubbel gebeurt. "Of drie dubbel of vier dubbel gebeuren, serieus." Hij begint aan de financiële kant, omdat de inkoop en de calculatie daar samenkomen.

Dit begon met één persoon. Inmiddels staat er een hele automation-afdeling, met aanvragen uit energie en duurzaam beheer, van de uitvoerders op de bouw en van finance. "We beginnen behoorlijk vol te lopen met allemaal requests."

De AI-specialist die hij op de eigen loonlijst zette, is er om de vanzelfsprekendheden aan te vallen. "Die denkt anders, en dat is hartstikke gaaf. Die test de business met de meest basale vragen."

Aan elk project hoort de evaluatie erna.

"En doen we dat al goed genoeg? Nee joh, nog lang niet."

Waar hij een directeur van tweehonderd man laat beginnen

Tot slot legde ik hem een directeur voor van een bouwbedrijf met tweehonderd man, die Martins zinnen herkent en niet weet waar hij moet beginnen.

"Begin in eerste instantie met het goed organiseren van je IT. Als mensen, als personen. En je IT-strategie."

Met mensen bedoelt hij een applicatiebeheerder, iemand voor de automatisering en een businessanalist in eigen dienst, met partners eromheen voor een vliegende start.

"Omdat dat gewoon collega's van je zijn en die snappen hoe wij werken met elkaar."

Die drie rollen heb je volgens hem zelf in huis nodig zodra een bedrijf richting honderd tot honderdvijftig miljoen omzet gaat.

Eén afspraak zou ik toevoegen en die kost je één vergadering. Vraag in de eerstvolgende bestuursvergadering welk deel van de omzet naar IT gaat en kijk of iemand het antwoord weet. Weet niemand het, dan ligt zijn vuistregel op tafel.

Wat er volgens hem misgaat, zit in de opzet van zo'n eerste stap.

"Maar gewoon beginnen met een persoon, of die je inhuurt, met een project. Kansloze missie."

Aan het werk met AI is een reeks portretten van mensen die AI in hun dagelijkse werk gebruiken.

Dank aan Martin voor zijn tijd en voor het meelezen.

Ligt jouw data nog op vijf plekken en weet je niet waar je moet beginnen, dan denken we bij WAINUT graag met je mee.

Deze zomer spreek ik elke week één professional over hoe AI zijn werk op een doordeweekse dag verandert. Aflevering twee gaat over Sergei Martens, vijfentwintig jaar in het vak en aan het roer bij SMART4Solutions, dat bedrijfskritische software bouwt voor organisaties die er jaren op moeten kunnen draaien. Software is het eerste vak waar dit gebeurt, dus wat daar nu speelt, komt daarna bij de rest langs.

In de meeste organisaties gebeurt het onderzoek naar wat AI met dat werk doet in de randuren, tussen twee vergaderingen door of in de avonduren van iemand die het toevallig leuk vindt. Sergei heeft dat omgedraaid. Sinds begin dit jaar gaat zijn zaak elke woensdagmiddag dicht voor klanten. Dat kost hem tien procent van zijn declarabele tijd, elke week. De opbrengst waar hij zelf het meest van opkeek, staat in geen enkel dashboard.

De rekening voor wachten wordt elk jaar hoger

Veel directeuren kunnen niet peilen waar ze staan. Uit de markt hoor je dat je ver achterloopt. Kijk je naar je eigen afdeling, dan valt het weer mee. Zonder meetlat weet je het gewoon niet. Dan is het verleidelijk om het stof eerst te laten neerdalen.

Sergei denkt dat je dat volgend jaar niet meer inhaalt. Die zorg hoor ik in bijna elke zaal. Hij is de eerste die er een mechanisme onder legt. Hij beschrijft in vijf fasen hoe AI een organisatie binnenkomt, van de chatbot als vraagbaak in de eerste tot een AI die in de bovenste fasen zelfstandig doorwerkt totdat zijn werk de controles haalt. Bijna elk bedrijf zit nu in de eerste twee.

"Als jij over een jaar nog steeds in fase 2 zit en je moet die enorme brug nog over, dan kun je de tooling die straks uitkomt niet gebruiken, want daarin wordt verlangd dat je al in fase 4 zit. En dan raak je alleen maar verder achterop."

Het gereedschap van volgend jaar gaat er dus van uit dat je organisatie al op een bepaalde manier werkt. Zo groeit het gat zonder dat iemand er iets voor hoeft te doen.

Hij kijkt intussen met argwaan naar de cijfers waarmee leveranciers die urgentie aanjagen. Anthropic meldde in mei dat ruim tachtig procent van de code die het bedrijf in zijn eigen software opneemt, door zijn eigen AI-model is geschreven. Dat cijfer klopt, alleen komt het van de partij die dat gereedschap ook verkoopt. "Ze zijn daar heel erg bij gebaat", zegt Sergei erover.

De app van één middag, vijf jaar later

Hij schat dat zijn eigen vak een paar jaar voorloopt op de rest.

"Ik denk dat ieder bedrijf waar een mens achter een toetsenbord zit en van daaruit waarde levert, zich heel duidelijk moet gaan afvragen hoe zijn werk er over vijf jaar uitziet."

Voor juridisch werk draaien er inmiddels toepassingen bovenop de algemene AI-modellen. Dezelfde beweging ziet hij aankomen bij de accountancy, waar boekhouders journaalposten boeken om de administratie van bedrijven bij te houden. Daarna is marketing aan de beurt.

Wat er in zijn vak verandert, vat hij samen in één vraag.

"Iemand op de marketingafdeling kan met Claude Code even een mooie app in elkaar bouwen. Hoe kan het dan dat de IT-afdeling daar zoveel moeite mee heeft?"

Allebei die dingen zijn waar. Claude Code is de programmeerassistent van Anthropic. Wat die marketeer daarmee doet, heet vibe coding. Je beschrijft in gewone taal wat er moet komen, de AI bouwt het en jij stuurt bij op wat je ziet verschijnen. Voor een demo of een intern hulpje kom je daar ver mee. Sergei maakte op die manier in een halve dag het draaiboek voor zijn bruiloft. Over vijf jaar hoeft niemand dat draaiboek meer te openen.

"Werkende code opleveren is één. Maar code opleveren waar een organisatie over vijf jaar nog steeds op kan bouwen en waar meerdere mensen tegelijk aan kunnen werken, dat is een hele andere dynamiek. Dat zijn twee werelden."

Software die een bedrijf draagt, moet nog te begrijpen zijn als de bouwer allang weg is en moet blijven werken als er jaren later iemand iets aan verandert. Het gaat erom dat er "kennis stolt in de organisatie" over hoe de applicatie werkt. Dat doe je in een middag niet.

Van ieders eigen prompts naar de werkwijze van de afdeling

Hij reikt een meetlat aan die ook werkt waar niemand code schrijft. Zijn vraag is of je als afdeling bezig bent met "een gemeenschappelijke werkwijze".

Iedereen bouwt nu zijn eigen setje op, met eigen prompts en eigen skills, kleine instructiebestanden waarin staat hoe je een terugkerende klus aanpakt.

"Iedere medewerker heeft weer zijn eigen skills, zijn eigen prompts en doet het op zijn eigen manier."

In die fase zit bijna iedereen nu. Het is ook de fase waarin THL twee jaar lang heeft uitgelegd hoe je je eigen skills schrijft en je eigen assistent inricht. Dat advies klopt nog steeds voor één persoon. Zodra twaalf collega's het naast elkaar doen, heb je twaalf dialecten in één afdeling, elk met zijn eigen aannames. Niemand kan dan overnemen wat een ander heeft gebouwd.

Van bovenaf een licentie uitdelen lost dat niet op.

"Dan denk ik dat je toch heel veel versnippering gaat krijgen. Iedereen gaat dat toch op zijn eigen manier doen."

"Wij zijn echt met die transitie bezig, van individueel werken naar georganiseerd werken", zegt hij over waar zijn bedrijf staat. Dat is in zijn eigen fasenmodel de stap van fase twee naar fase drie. Het is de enige stap die hij een enorme sprong noemt, want alles wat erna komt bouwt erop voort.

Dezelfde meetlat leg je langs je softwareleverancier. Vraag hem wat zijn werkwijze is en hoe hij meet wat AI hem oplevert. Let daarbij vooral op het soort antwoord.

"Een leverancier die zegt dat hij al helemaal op AI is ingericht en het panklaar heeft staan, daar zou ik heel wantrouwend mee omgaan. Want dit is zo'n nieuwe technologie en de veranderingen gaan zo snel."

Wat een gesloten woensdagmiddag kost

Elke woensdagmiddag dicht komt neer op tien procent van zijn declarabele tijd, een halve dag per week voor iedereen. Hij had dit stilletjes kunnen wegschrijven op de uren van zijn klanten. Dat vond hij oneerlijk, want de klant huurt hem in om waarde te leveren en niemand vraagt om fundamenteel onderzoek op zijn rekening.

De andere route was zijn mensen vragen er zelf naar te kijken, in de avonduren.

"Dan hadden we heel erg onbalans in het team gehad. Sommige mensen pakken het op, die pakken 's avonds de laptop en gaan kijken. Anderen hebben die nieuwsgierigheid wat minder, of hebben het misschien druk met verplichtingen buiten het werk."

Wie het aan de vrije tijd van zijn mensen overlaat, krijgt twee snelheden in één bedrijf. Dan blijven juist de mensen achter voor wie het niet vanzelf gaat. Dus maakte hij de middag verplicht, gaf iedereen een onderwerp en liet aan het eind iemand presenteren wat hij had uitgezocht.

"Ik kan bij niemand het kind in zichzelf terugtoveren. Maar ik kan de mensen die dat wat minder van nature hebben wel meenemen."

Hij hield een vaste volgorde aan. Eerst speelden ze een tijd zonder doelstellingen, puur om nieuwsgierig te worden. Daarna bouwden ze een gedeeld begrip op, zodat iedereen dezelfde woorden voor dezelfde dingen gebruikte. Pas toen de vragen kantelden van wat dit kan naar hoe wij dit gaan doen, ging het over een eigen werkwijze.

Sergei doet dat een niveau hoger dan een manager die er tijd voor vrijmaakt in het teamoverleg. Bij hem staat er elke week omzet tegenover die hij niet factureert.

De junior is zijn open einde

Het simpele werk waarmee een junior vroeger begon, is precies het werk dat de machine nu doet. Hij vergelijkt het met lezen en schrijven.

"Misschien moet je het als lezen zien. Iemand die goed kan lezen, hoeft niet iemand te zijn die goed kan schrijven. De schrijvers zullen er nog wel zijn, maar het grootste deel zal vooral moeten kunnen lezen."

Een junior kijkt dan mee met wat er gebouwd is, ook als een senior het afkeurt, om te begrijpen waarom het fout zat. Ik vroeg hem of dat kan, beoordelen zonder ooit zelf de vlieguren te hebben gemaakt.

"Dat moeten we gaan ervaren. Dat weet ik niet. Dat is het eerlijke antwoord."

Dat is een directeur die toegeeft dat hij het niet weet, precies op het punt waar hij zelf de rekening krijgt. Hij is degene die die junioren moet aannemen en doorbetalen zolang ze nog niets opleveren.

Op de vraag wat een directeur maandag als eerste doet, begint hij over de mensen.

"Ik zou in ieder geval zeggen, de jongens aan tafel roepen. Ga eens praten. Wat speelt er bij de mensen? Want ik denk als je even echt ruimte neemt om met iedereen te praten, dat je al heel veel hoort van wat er speelt."

Daar keek hij zelf het meest van op. Collega's die zich zorgen maakten over hun vak, hoorden diezelfde zorg terug bij iemand anders. "De mensen die in het begin heel erg tegen AI waren, willen er nu best wel mee werken."

Begin bij de mens, dus. Alleen loopt na dat gesprek iedereen naar buiten met zijn eigen goede idee. Een halfjaar later sta je dan alsnog met twaalf dialecten. Ik zou de vergadering erna daarom meteen in de agenda zetten en daar vastleggen hoe jullie het samen gaan doen.

"Doe het vooral niet op een manier waarin je zegt: hier heb je een tool en dan moeten de tokens verbrand worden."

Aan het werk met AI is een reeks portretten van mensen die AI in hun dagelijkse werk gebruiken. Aflevering 3 verschijnt volgende week, met Martin Schoonderbeek, CIO bij een bouwbedrijf waar de uitvoerders zelf met een drone boven het werk vliegen.

Dank aan Sergei voor zijn tijd en voor het meelezen.

Werkt bij jou nog iedereen op zijn eigen manier en wil je naar één werkwijze voor de afdeling, dan denken we bij WAINUT graag met je mee.

Deze zomer spreek ik elke week één professional over hoe AI zijn werk op een doordeweekse dag verandert. Aflevering één gaat over Jitske van der Sluis, innovatiemanager bij Achmea, bij het onderdeel waar pensioen, bankzaken en vermogen samenkomen. Zij kreeg daar tientallen teams aan het werk met AI. Dat is precies de fase waar de meeste organisaties nu in zitten. Wat haar verhaal bijzonder maakt, is wat ze daarna deed.

Als ik een training geef, trek ik op vrijdagmiddag de deur achter me dicht en rijd ik naar huis. Wat er de maandag daarna gebeurt, zie ik nooit. Mensen krijgen in een zaal iets door, lopen enthousiast naar buiten en verdwijnen daarna in hun eigen agenda. Jitske zag wel wat er daarna gebeurde. Samen hebben we die teams door het traject geloodst, ik ging weg en zij bleef zitten met de vraag hoe je daar iets blijvends van maakt. Haar antwoord begon bij het AI-budget.

De training werd de belangrijkste use case

Het begon met het ophalen van use cases, concrete plekken in het werk waar AI iets kan opleveren. Dat deden ze via workshops en gesprekken met teams. In die gesprekken viel Jitske iets anders op dan de use cases zelf.

"De een zat op het niveau van: dan komt Copilot straks en dan gaan we dit doen en dat doen. De ander moesten we goed briefen over wat er allemaal uitkwam."

Dat verschil liep dwars door teams heen, tussen mensen die naast elkaar werkten. Ze geeft het voorbeeld van een marketingteam dat volgende week begint met een nieuw proces waarin AI de teksten schrijft. Snappen drie van de zes wat daar gebeurt en drie niet, dan heb je er een probleem bij gemaakt.

Zo kwamen ze bij hun eerste use case.

"Eigenlijk moet de belangrijkste use case training zijn."

In vrijwel elke organisatie waar ik kom staat training op de kostenregel. Je organiseert het erbij nadat de licenties zijn ingekocht. Het geld komt uit een opleidingspotje en het resultaat meet je in tevredenheidsscores. Bij haar kwam het op de projectlijst te staan, met dezelfde status als een zoekoplossing of een dashboard. Daarmee kreeg het een eigenaar, een budget en een resultaat waar iemand op afgerekend kon worden.

Het sloeg niet meteen aan. In het begin draaide er een eigen afgeschermde ChatGPT-omgeving op GPT-3.5 waarin je geen bestanden kon uploaden. De verwachtingen waren hoog en verkeerd tegelijk, want mensen dachten met één druk op de knop een hele PowerPoint te krijgen. Het omslagpunt kwam met Copilot en een uploadknop. Zodra het over hun eigen documenten ging, begon zo'n model mee te tellen.

Waar het AI-budget dit jaar heen ging

Copilot Studio leek in het begin ideaal. Daarin bouw je zelf AI-agents zonder programmeerkennis, dus je legt dat vermogen neer bij de mensen die het werk doen. De koplopers in de organisatie vroegen er ook om.

Toch is het geschrapt.

Centraal was het lastig te besturen. En de bedrijfsdata waar die agents in moesten graven bleek te rommelig om er iets betrouwbaars uit te halen. Ze maakte er een rekensom van.

"Elke euro kan je maar één keer uitgeven. Dat geldt ook voor het AI-budget. Als ik dat uitgeef aan het trainen van mensen op Copilot Studio maar de resultaten blijven uit, dan kunnen we beter zorgen dat die data dit jaar goed is."

Uit datzelfde budget moet ook de adoptie komen. Leer je een hele organisatie werken met een tool die mager presteert omdat de data eronder rammelt, dan heb je duur betaald voor een eerste indruk die je nooit meer terugkrijgt. Dus ging het adoptiegeld dit jaar naar goede datahygiëne, de laag waar de kwaliteit van de antwoorden vandaan komt.

Breed uitrollen brengt daarnaast een wildgroei aan losse agents die niemand beheert en die elke maand tokens verbruiken zonder aanwijsbaar resultaat. Agentic AI, software die zelfstandig een reeks stappen achter elkaar zet, ligt daarom bij een kerngroep die mag ontwikkelen en spelen. Zodra de data klopt, kan het breder.

Ik hoor die redenering bijna nooit. In de meeste organisaties die ik binnenkom staat er altijd wel iemand op om iets te beginnen. Schrappen staat in niemands functieomschrijving. Een pilot die niks oplevert verdwijnt geruisloos van de agenda, zonder dat er ooit een besluit over is genomen.

Jitske heeft dat leergeld betaald. Externe partijen beloofden iets in zes weken, het werd zes maanden en uiteindelijk bleek het niet te integreren. "Leveranciers lijken het altijd een beetje op te poetsen." Wat je eraan overhoudt zijn proefopstellingen die nooit in het echte werk landen, in vakjargon een proof of concept.

"Dan krijg je een landschap vol met POC's."

Datzelfde geldt voor de wireframe, de schematische namaakversie van een scherm waarmee je je plan verkoopt.

"Het stakeholderveld win je over met een mooie wireframe. Maar als die wireframe niet goed gevoed wordt met de juiste data, haal je er nooit winst uit."

Met dat inzicht kreeg ze het management en de directie mee in het saaie datawerk.

Tegenwoordig toetst ze elk plan op drie dingen tegelijk, een eigen drieslag die ze PDE noemt. De P is van proces. Daarbij telt de hele keten mee, bij een rapportage van het ophalen van de bron tot het moment dat het bij de klant ligt. De D is van data, die actueel moet zijn, vindbaar en netjes gelabeld. De E is van end-to-end, de oplossing van begin tot eind, zodat de gebruiker niet zelf hoeft uit te zoeken hoe hij zijn gegevens erin en er weer uit krijgt.

Van zes goede ideeën naar een lijst met prioriteiten

"Dan hadden we zes goede ideeën en dan kozen we er twee."

Dat was de eerste ronde, van onderaf, langs de teams om te horen wat AI voor hen zou kunnen betekenen. Ze noemt dat zelf een goed startpunt, omdat het enthousiasme opwekte. Inmiddels werkt ze andersom. Ze kijkt waar de organisatie over een paar jaar moet staan en leidt daaruit af welke stappen nu nodig zijn. "Nu kijken we meer vanuit een helikopterperspectief."

Dat is een fase waar de meeste organisaties nog niet zijn. Eén iemand met de juiste instelling krijgt veel in beweging. Zodra er meer goede ideeën binnenkomen dan een team kan bouwen, wordt kiezen het eigenlijke werk. In de praktijk komt dat neer op iemand die tegen een enthousiaste collega zegt dat zijn idee blijft liggen. Dat kost meer moed dan een pilot starten.

Of het daarna blijft plakken, hangt volgens haar af van de manager. "Super belangrijk. Zij zijn de trendsetters." Op haar afdeling zijn er een paar die demo's organiseren en er tijd voor vrijmaken in het teamoverleg. Diezelfde afdeling heeft de hoogste Copilot-adoptie van de organisatie. Die adoptie is per afdeling te meten, zonder dat je het tot individuele medewerkers kunt herleiden.

Zonder die aandacht gebeurt het omgekeerde.

"Mensen zijn niet per se geneigd om te beoordelen wat erachter zit. Hoe komt het dat de output niet goed is? Ze blamen de machine."

Dat herken ik uit elke zaal waar ik sta. Iemand krijgt een matig antwoord, concludeert dat het ding niks kan en probeert het daarna nooit meer.

Wat ze zelf doet met een opgenomen gesprek

Jitske werkt sinds kort meer aan strategie en minder aan uitvoering. Dat betekent veel gesprekken, binnen en buiten Achmea. Ze neemt ze allemaal op.

Daarna zet ze het transcript in Copilot, met de presentatie waar ze aan werkt ernaast.

"Ik heb nu een interview gehad met Luciano. Wat zijn de aanvullingen en op welke slide moet ik aanpassingen maken?"

Wat ze terugkrijgt is een lijst met slides die ze moet aanpassen. Het gesprek ging vooral over rapportages, dus Copilot wijst slide 6, 7 en 8 aan en levert voor slide 6 meteen de zin die de oude moet vervangen. Ze werkt het af en gaat door.

Haar tweede gewoonte is dat ze haar eigen denkwerk aan een tweede model voorlegt. Ze was bijvoorbeeld bezig met de vraag wat een fabriek die zonder mensen doordraait zou betekenen voor een financiële instelling waarin AI-agents onderling werk van elkaar overnemen.

"Het zijn dingen die ik zelf ook kan bedenken en waar ik zelf een mening over kan vormen. Maar het geeft me een kickstart om ze van een andere hoek te bekijken. Of om bronnen te vinden die ik anders niet gevonden had."

Wie voor een leeg chatvenster zit, weet vaak niet waar hij moet beginnen. Zij pakt materiaal dat ze die dag toch al produceerde, een opgenomen gesprek en een presentatie waar ze middenin zit. Daar zet ze een concrete vraag naast.

Waar zij zou beginnen

Ik legde haar aan het eind een situatie voor. Een innovatiemanager met licenties, met trainingen, met enthousiasme en met dagelijks werk dat nauwelijks verandert. Wat doe je dan?

Ze noemde drie dingen. Kijk eerst waar je de meeste waarde toevoegt en meet dat af aan waar je over twee jaar wilt staan. Haar vuistregel daarbij is dat je beter een duur proces een klein beetje beter kunt maken dan een goedkoop proces heel veel beter. Loop daarna het proces, de data en de keten van begin tot eind langs. En ga voor volledige adoptie, want een nieuwe manier van werken kost tijd en daar moet ruimte voor zijn.

Het enige dat ik daaraan toevoeg is een afspraak die je in die vergadering maakt. Zorg dat er elk kwartaal ook iets van je lijst af gaat, anders betaalt niemand ooit de prijs voor een idee dat niet werkt.

De opdracht die daaruit volgt, legt ze bij de organisatie zelf.

"Ik zou zorgen dat je weet wat mensen ervan weerhoudt om die tools te gebruiken."

Aan het werk met AI is een reeks portretten van mensen die AI in hun dagelijkse werk gebruiken. Aflevering 2 verschijnt volgende week, met Sergei Martens, die zijn bedrijf elke woensdagmiddag dicht doet voor klanten.

Dank aan Jitske voor haar tijd en voor het meelezen.

Sta je voor dezelfde vraag, waar je adoptiebudget dit jaar heen moet, dan denken we bij WAINUT graag met je mee.