​In de meeste organisaties zit enorm veel kennis opgesloten. In e-mails, gespreksverslagen, en evaluaties in SharePoint-mappen waar niemand meer in kijkt. Medewerkers weten dat die kennis er is, maar vinden haar niet op het moment dat het ertoe doet.

Dat is een groter probleem dan de meeste organisaties beseffen.

Als een ervaren collega vertrekt, vertrekt zijn of haar kennis mee. Als een salesmedewerker een voorstel schrijft, begint die vaak opnieuw terwijl er tien vergelijkbare voorstellen in het archief liggen. Als een nieuwe medewerker een vraag heeft, belt die drie collega’s voordat ze een antwoord heeft.

Dat is waar vertraging ontstaat. Niet in de uitvoering, maar in het denkwerk. Juist daar gaat tijd verloren aan zoeken, afwegen en opnieuw beginnen.

Automatisering volgt regels. AI begrijpt context.

Automatisering bestaat al decennialang. Robots in fabrieken, scripts die facturen verwerken, workflows die goedkeuringen routeren. Dat werkt goed. Maar het werkt alleen als de stappen vooraf vastliggen. Als A, dan B. Geen verrassingen, geen nuance.

AI werkt fundamenteel anders. AI begrijpt context. Het leest een klachtbrief en herkent niet alleen dat het een klacht is, maar ook dat de klant al drie keer eerder contact heeft gehad, dat het om een terugkerend probleem gaat en dat de toon urgentie uitstraalt. Vervolgens stelt het een passend antwoord op, afgestemd op die specifieke situatie.

Dat is het verschil. Automatisering volgt regels. AI begrijpt context.

Wat AI betekent voor kennisintensieve organisaties

Voor veel Nederlandse organisaties is kennis het belangrijkste kapitaal. Niet de machines, niet de software, maar wat medewerkers weten, hoe ze problemen oplossen en welke ervaring ze meebrengen.

Automatisering heeft dat kapitaal nooit echt kunnen raken. Het nam handmatig werk weg, de handelingen. Maar het denkwerk bleef bij mensen. De analyse, het advies, de afweging, het samenvatten, het combineren van bronnen tot een conclusie. Dat was te complex, te afhankelijk van context en taal.

Tot nu. AI kan precies dat soort werk versnellen. Niet door het te vervangen, maar door mee te denken, voor te bereiden en uit te voeren waar een mens voorheen uren aan besteedde. Daarnaast maakt AI kennis beschikbaar op het moment dat die nodig is.

Organisaties die AI blijven zien als “handig hulpmiddel” lopen het risico dat hun kennis in de hoofden van collega’s blijft. Terwijl concurrenten die kennis structureren, combineren en versnellen, ontstaat een structureel verschil in snelheid en kwaliteit.

Van handeling naar denkwerk

Vergelijk het zo. Een boekhouder die facturen invoert, doet een handeling. Dat kun je automatiseren met een workflow en tekstherkenning (OCR). Maar een controller die kwartaalcijfers analyseert, afwijkingen signaleert en een advies schrijft voor het MT, die doet kenniswerk. Dat kon je tot voor kort niet automatiseren.

Nu wel. AI leest de kwartaalcijfers, vergelijkt ze met voorgaande periodes, legt ze naast marktdata. Dat zijn automatiseerbare stappen.

Daaraan toegevoegd wordt intelligentie. De AI identificeert opvallende afwijkingen en schrijft een eerste analyse met aanbevelingen. De controller hoeft niet meer te beginnen bij een leeg scherm. Die begint bij een concept dat al 80% van het denkwerk bevat.

Dat is geen vervanging. Dat is versnelling. De kwaliteit blijft afhankelijk van jouw mensen. AI versnelt, maar oordeelt niet zoals jij dat doet. De controller besteedt zijn tijd aan de 20% waar zijn ervaring en oordeelsvermogen het verschil maken.

Drie manieren waarop AI kenniswerk versnelt

In de praktijk zien we drie patronen terugkomen bij organisaties die AI succesvol inzetten voor kenniswerk.

1. Kennis vasthouden die anders verdwijnt

Een ingenieursbureau met vijftig medewerkers had een senior specialist die na 30 jaar met pensioen ging. Dertig jaar ervaring met complexe projecten, klantrelaties en technische keuzes. Voorheen was dat verlies onvermijdelijk. Nu kun je die kennis vastleggen: projectverslagen, technische notities en zelfs gespreksopnames laten verwerken door AI tot een doorzoekbare kennisbank. Nieuwe medewerkers stellen vragen in gewone taal en krijgen antwoorden gebaseerd op dertig jaar ervaring. De kennis blijft.

2. Sneller van informatie naar inzicht

Een HR-afdeling die Medewerkerstevredenheidsonderzoek analyseert, besteedde daar voorheen weken aan. Resultaten verzamelen, open antwoorden lezen, thema’s herkennen, een rapport schrijven. AI doet dat in minuten. Het leest alle open antwoorden, herkent patronen, signaleert opvallende verschuivingen ten opzichte van vorig jaar en levert een samenvatting met concrete aanbevelingen. Niet minder grondig, maar vele malen sneller.

3. Hogere kwaliteit door consistentie

Een accountantskantoor dat jaarrekeningen controleert, wil dat elke controle dezelfde grondige aanpak volgt. In de praktijk hangt kwaliteit af van wie de controle uitvoert, hoe druk het is en of de juiste checklist wordt gebruikt. Een AI-agent die het controleproces ondersteunt, slaat geen stappen over, past altijd de laatste richtlijnen toe en signaleert afwijkingen die een mens over het hoofd kan zien. De accountant blijft verantwoordelijk, maar de basis is steviger.

Het verschil met “gewoon ChatGPT gebruiken”

Misschien denk je: dit kan ik toch al met ChatGPT? Deels klopt dat. Individuele medewerkers halen nu al waarde uit AI-tools. Maar er zit een wezenlijk verschil tussen een medewerker die af en toe een vraag stelt aan ChatGPT en een organisatie die AI structureel inzet als versneller van kenniswerk.

Bij individueel gebruik is de kennis afhankelijk van de prompt en de persoon. De ene collega is er handig mee, de andere minder. De opgebouwde ervaring zit in het hoofd van het individu en wordt geen onderdeel van het organisatiegeheugen. Vertrekt die medewerker, dan verdwijnt ook die opgebouwde kennis. Precies hetzelfde probleem als zonder AI.

Structurele inzet betekent: AI die is ingericht op jouw processen, gevoed met jouw data en werkt binnen jouw context. Een AI-agent die altijd beschikbaar is, consistente kwaliteit levert, werkt met de laatste kennis en niet afhankelijk is van wie er op dat moment beschikbaar is. Dat is het verschil tussen een handig hulpmiddel en een concurrentievoordeel.

Automatisering en AI sluiten elkaar niet uit

Dit is geen pleidooi om automatisering te vervangen door AI. Automatisering blijft waardevol voor alles wat regelgebonden en voorspelbaar is. Factuurverwerking, e-mailrouting, standaard rapportages, die blijven prima werken met klassieke automatisering.

Maar op het moment dat een taak context vraagt, taal bevat, afweging nodig heeft of afhankelijk is van ervaring, dan stopt automatisering en begint AI. En dat is precies het werk waar de meeste organisaties het meeste tijd en geld aan besteden: kenniswerk.

De kracht zit in de combinatie. Automatisering voor de handelingen, AI voor het denkwerk. Samen versnellen ze processen op een manier die twee jaar geleden nog ondenkbaar was.

Wat dit betekent voor jouw organisatie

Als kennis het kapitaal van je organisatie is, dan bepaalt AI hoe snel dat kapitaal werkt.

Dat begint niet met een groot IT-project. Het begint met één proces waar kenniswerk centraal staat. Eén plek waar medewerkers nu tijd verliezen aan zoeken, schrijven of analyseren. Pas daar AI toe. Meet het effect. Leer ervan. En bouw van daaruit verder.

In het volgende blog kijken we naar de impact van AI op drie organisatieniveaus: medewerkers, processen en strategie. Want AI raakt niet alleen hoe je werkt, maar ook wat je doet en waar je naartoe beweegt.

Over de auteur

Jeroen van Steijn is Team Lead Data & AI bij Delta-N en helpt organisaties om AI niet als experiment, maar als strategisch instrument in te zetten. Hij vertaalt technologische ontwikkelingen naar concrete impact op processen, kostenstructuur en besluitvorming.

CTA: Wil je ontdekken waar AI in jouw organisatie het denkwerk kan versnellen? Plan een afspraak, dan laten we je zien waar AI vandaag al uren werk terugbrengt tot minuten.