AI integreren in je bedrijf: waar begin je?
Begin bij één proces dat elke week tijd kost en een voorspelbaar patroon volgt, niet bij een tool. Leg werkafspraken vast voordat je start, train je team op jullie eigen casussen en meet na drie maanden wat het heeft opgeleverd. Bedrijven waar AI-projecten stranden zijn bijna altijd de bedrijven die met vijf dingen tegelijk begonnen.
Iedereen om je heen doet iets met AI, maar als je doorvraagt blijkt dat meestal een los ChatGPT-account en een collega die er handig mee is. Dat is geen integratie, dat is experimenteren. Niks mis mee als startpunt, maar het levert pas iets op als het onderdeel wordt van hoe je werkt.
Stap 1: begin bij een proces, niet bij een tool
De verkeerde vraag is "wat kunnen we met AI?". De goede vraag is: welk werk kost ons veel tijd en volgt een voorspelbaar patroon?
Processen die zich in de praktijk het beste lenen voor een eerste stap:
- Offertes opstellen uit een prijslijst en een klantvraag. Veel herhaling, duidelijke structuur, en de output wordt toch altijd nagekeken.
- Binnenkomende mail sorteren en voorbereiden. Niet automatisch versturen, maar een concept klaarzetten dat iemand controleert.
- Verslagen en gespreksnotities uitwerken. Werk dat niemand leuk vindt en dat daarom blijft liggen.
- Product- en dienstteksten schrijven op basis van specificaties die je al hebt.
- Documenten doorzoeken. Contracten, handleidingen, oude offertes. Zoeken in eigen bestanden levert vaak direct tijdwinst op zonder dat er iets naar buiten gaat.
Kies er één. Eén proces waar het elke week schuurt en waar je de tijdwinst kunt aanwijzen.
Wat je in deze fase vooral niet doet: een tool aanschaffen omdat een concurrent hem gebruikt. Het proces bepaalt de tool, niet andersom.
Stap 2: maak werkafspraken voordat je begint
Dit is de stap die vrijwel iedereen overslaat, en de reden dat de zoekterm "AI-beleid" steeds vaker opduikt.
Leg vier dingen vast, en houd het op één A4:
- Welke gegevens er wel en niet in een AI-tool mogen. Klantgegevens en persoonsgegevens in elk geval niet zonder verwerkersovereenkomst. Controleer of de tool je invoer gebruikt om modellen te trainen, en zet dat uit waar het kan.
- Wie output controleert voordat die naar buiten gaat. Niets gaat ongelezen naar een klant. Dit is geen wantrouwen richting de tool maar richting het toeval.
- Hoe je vastlegt wat met AI gemaakt is. Handig bij vragen achteraf, en verplicht in sommige branches.
- Welke tools zijn toegestaan. Zonder die lijst ontstaan er binnen een maand vijf accounts bij vijf verschillende aanbieders, betaald van privérekeningen.
Eén A4 met afspraken voorkomt de twee grootste risico's: gegevens die weglekken en fouten die ongecontroleerd bij klanten belanden.
Stap 3: train je team op de praktijk
Een middag oefenen met echte casussen uit jullie eigen werk levert meer op dan een algemene cursus.
Laat de collega die al handig is voordoen hoe die een offerte of een lastige mail aanpakt. Laat de rest het daarna nadoen met eigen voorbeelden. Bespreek vooral de gevallen waarin het misging: waar kwam er iets uit dat klopte maar niet waar was?
Het doel is niet dat iedereen prompts uit het hoofd leert. Het doel is dat iedereen weet wanneer de tool helpt en wanneer je hem niet moet vertrouwen. Dat tweede is het moeilijkste en het belangrijkste.
Reken op weerstand, en neem die serieus. Een deel van je team leest "AI" als "mijn werk verdwijnt". Wees expliciet over wat je wel en niet van plan bent. Vaag blijven kost je meer dan een eerlijk antwoord.
Stap 4: meet na drie maanden wat het oplevert
Hou het simpel. Hoeveel tijd kost het gekozen proces nu, vergeleken met daarvoor? En wat is er met die vrijgekomen tijd gebeurd?
Die tweede vraag is de vraag die overgeslagen wordt. Tijdwinst die nergens naartoe gaat is geen winst. Is de tijd gegaan naar werk dat wel omzet oplevert, of is hij simpelweg opgelost in de dag?
Levert het aantoonbaar iets op, pak dan het volgende proces erbij. Levert het niets op, stop er dan mee en probeer iets anders. Doorgaan omdat je er al in geïnvesteerd hebt is de duurste vorm van koppigheid.
Waar het meestal misgaat
Drie patronen die je regelmatig terugziet:
Er is geen eigenaar. "We gaan iets met AI doen" zonder dat iemand er verantwoordelijk voor is, betekent dat het na drie drukke weken stilvalt.
De data is niet op orde. AI is zo goed als de gegevens waar het bij kan. Staan je klantgegevens verspreid over Excel, mail en een oud systeem, dan levert geen enkele tool je een bruikbaar antwoord. Waarom dat zo is staat in hoe bouw je een AI-ready datafundament zonder enterprise-budget.
Het project wordt te groot opgezet. Een traject van zes maanden met een stuurgroep levert bij een mkb-bedrijf zelden iets op. Twee weken werk aan één proces wel.
Loop je tegen het bredere probleem aan dat systemen niet met elkaar praten, dan is dat vaak het echte werk. Zie waarom losse systemen jouw bedrijf vertragen.
Veelgestelde vragen
Hebben we een IT-afdeling nodig om hiermee te beginnen?Nee. De eerste stap is bijna altijd procesanalyse en werkafspraken, en dat is geen technisch werk. Hoe je IT organiseert zonder eigen afdeling staat in hoe organiseer je IT als bedrijf zonder eigen IT-afdeling.
Wat kost dit ongeveer?Een eerste proces oppakken met bestaande tools kost vooral tijd: reken op een paar dagen werk plus abonnementskosten van enkele tientjes per gebruiker per maand. Zodra je iets wilt laten bouwen, verandert de rekensom. Zie wat kost maatwerk software.
Mogen we klantgegevens door een AI-tool halen?Niet zomaar. Je hebt een verwerkersovereenkomst nodig en je moet weten waar de gegevens worden verwerkt. Voor veel toepassingen kun je dit omzeilen door met geanonimiseerde of algemene gegevens te werken.
Wat als mijn team het gewoon niet gebruikt?Dan heb je waarschijnlijk een proces gekozen waar de pijn niet groot genoeg was, of de tool lost iets op wat niemand als probleem ervoer. Vraag het gewoon en kies een ander proces.
Wil je sparren over waar AI in jouw bedrijf het snelst waarde oplevert? Neem contact op. We denken graag mee, te beginnen met dat ene proces.