Wat heb je nodig om AI goed in te zetten?

​AI vraagt geen perfect fundament. Het vraagt een fundament waarmee je gericht kunt starten.

Dit verhaal gaat over randvoorwaarden. Niet als drempel om je tegen te houden, maar als checklist om gericht te starten. Want de organisaties die het meeste uit AI halen, zijn niet degenen met de beste technologie. Het zijn degenen die het fundament op orde hebben.

Waarde ontstaat niet vanzelf. AI werkt pas als de randvoorwaarden kloppen.

Jullie checklist

• Data die AI kan bereiken
• Adoptie: AI moet werk makkelijker maken
• Draagvlak: maak AI niet alleen iets van IT
• Data op orde, maar niet perfect
• Klein starten, snel leren
• Nieuwe vaardigheden voor nieuw werk
• Grip op data en toegang
• Verantwoord inzetten en uitlegbaar blijven

1. Data die AI kan bereiken

AI draait op infrastructuur. En die infrastructuur bepaalt wat er mogelijk is en wat niet.

Sommige organisaties werken met verouderde on-premise applicaties, traditionele fileshares en gefragmenteerde IT-landschappen. Daardoor lopen ze tegen praktische beperkingen aan. AI heeft toegang nodig tot data en systemen.

Als die verspreid zitten over tien verschillende omgevingen met elk hun eigen autorisatiemodel, wordt elke AI-toepassing een integratieproject.

Moderne cloudplatformen maken dat eenvoudiger. Microsoft 365 en Azure bieden een geïntegreerde omgeving waarin data, identiteiten en applicaties samenwerken. AI-functionaliteit sluit daar naadloos op aan. Niet als los product, maar als laag bovenop je bestaande infrastructuur.

“Een AI-oplossing die je bouwt als eenmalig project en vervolgens niet bijhoudt, verliest snel waarde.”

Dat betekent niet dat je eerst je hele IT-landschap moet moderniseren voordat je met AI kunt starten. Maar het betekent wel dat de keuzes die je vandaag maakt in je IT-architectuur, direct invloed hebben op wat AI morgen kan doen.

Investeren in cloudmigratie is daarmee niet alleen een IT-beslissing. Het is een AI-beslissing.

Daarnaast is onderhoudbaarheid cruciaal. Een AI-oplossing die je bouwt als eenmalig project en vervolgens niet bijhoudt, verliest snel waarde. Modellen verbeteren, data verandert, processen verschuiven.

De AI-oplossing moet meebewegen. Zorg dus dat beheer en doorontwikkeling vanaf dag één onderdeel zijn van de aanpak.

2. Adoptie: AI moet werk makkelijker maken

De beste AI-oplossing is waardeloos als niemand ermee werkt. Dat klinkt vanzelfsprekend, maar het is de plek waar veel AI-initiatieven stranden.

Adoptie is meer dan een training en een handleiding. Het begint bij begrijpen waarom medewerkers weerstand voelen. En die weerstand is legitiem.

Mensen maken zich zorgen over hun baan. Ze vertrouwen het resultaat niet. Ze snappen niet wat AI anders doet dan wat ze zelf doen. Of ze hebben al drie keer meegemaakt dat een nieuw systeem na een half jaar weer verdween.

Succesvolle adoptie begint bij het probleem, niet bij de oplossing. Welk concreet probleem lost AI op voor deze medewerker? Waar zit de frustratie, het dubbele werk, het tijdverlies?

Als je dat helder kunt maken, en mensen ervaren dat AI dat probleem daadwerkelijk verkleint, dan groeit het vertrouwen en neemt het gebruik toe.

“De beste AI-oplossing is waardeloos als niemand ermee werkt.”

Microsoft’s Work Trend Index uit 2024 liet zien dat 75% van de kenniswerkers al AI-tools gebruikte op het werk, maar dat de meerderheid dat deed zonder begeleiding of kaders vanuit de organisatie. Een gemiste kans.

Zonder richting blijft het gebruik oppervlakkig en inconsistent. Met goede begeleiding versnelt het de hele organisatie.

Adoptie vraagt ook om zichtbare steun van het management. Als de directie AI belangrijk vindt maar er zelf niet mee werkt, ontvangt de rest van de organisatie een dubbel signaal.

Leiders die AI zichtbaar gebruiken en er openlijk over praten, geven de rest toestemming om hetzelfde te doen.

3. Draagvlak: maak AI niet alleen iets van IT

Adoptie gaat over gebruik. Draagvlak gaat over eigenaarschap. Het verschil is subtiel maar essentieel.

Draagvlak ontstaat als mensen het gevoel hebben dat ze betrokken zijn bij de verandering, niet dat de verandering hen overkomt.

• Medewerkers een rol geven in de selectie van use cases.
• Feedback serieus nemen.
• Laten zien wat er met hun input gebeurt.
• Successen delen, maar ook eerlijk zijn over wat nog niet werkt.

De organisaties die AI het snelst en breedst uitrollen, zijn niet de organisaties met de beste technologie. Het zijn de organisaties waar mensen zeggen: “Dit is óns project, niet iets van IT.”

Dat bouw je niet met één kickoff en een intranetbericht. Dat bouw je door medewerkers vanaf het begin te betrekken, hen mede-eigenaar te maken van de oplossing en continu het gesprek te voeren over wat werkt en wat niet.

Meer uit onze AI visie:
– Waarom je nu met AI agents moet starten
– De drie niveaus waarop AI jouw bedrijf verandert
– AI vervangt geen mensen. Het versnelt hun denkwerk

4. Data op orde, maar niet perfect

AI is zo goed als de data waarmee het werkt. Maar data op orde betekent niet dat alles perfect, volledig en strak georganiseerd moet zijn. Dat gaat in de praktijk natuurlijk nooit gebeuren. En dat hoeft ook niet.

Als de basis er maar is.

Data is wél op orde als:

• De informatie klopt.
• Duidelijk is welke versie de juiste is.
• Oude informatie niet per ongeluk wordt gebruikt.
• De AI toegang heeft tot de juiste bronnen.
• Iemand verantwoordelijk is voor de inhoud.

Het gaat dus om de data die relevant is voor één specifieke AI-toepassing. Wil je AI gebruiken voor offertes? Dan hoeft niet je hele CRM opgeschoond te zijn.

Je hebt vooral recente voorstellen nodig, correcte klantinformatie en actuele referenties. Klein, haalbaar en direct bruikbaar.

Het risico van slechte data is duidelijk. AI die werkt met tegenstrijdige of verouderde bronnen, geeft verkeerde antwoorden. Dat ondermijnt het vertrouwen. En zonder vertrouwen gaan mensen AI niet gebruiken.

Data is níet op orde als:

• Verschillende documenten elkaar tegenspreken.
• Oude prijzen, voorwaarden of afspraken nog rondzwerven.
• Niemand weet welke bron leidend is.
• Belangrijke informatie op losse plekken staat.
• De AI werkt met informatie die niemand controleert.

De paradox: starten met AI helpt juist om je data te verbeteren. Niet als groot opruimproject, maar gericht per toepassing. Zo zie je snel waar de informatie tekortschiet en waar verbetering nodig is.

5. Klein starten, snel leren

AI is geen ERP-implementatie. Je kunt het niet in één keer uitrollen met een gedetailleerd plan dat achttien maanden duurt.

De technologie ontwikkelt te snel, de toepassingen zijn te nieuw en de ervaring te beperkt om alles vooraf te weten.

Wat wél werkt: klein beginnen, snel leren, gericht uitbreiden. Start met één use case die concreet genoeg is om resultaat te meten. Bouw een eerste versie in weken, niet in maanden.

Test met echte gebruikers. Verbeter op basis van feedback. En besluit dan of je opschaalt, bijstuurt of een ander pad kiest.

“AI is geen ERP-implementatie.”

Die iteratieve aanpak is niet alleen effectiever, het is ook veiliger. Je investeert stap voor stap in plaats van alles in één keer. Je leert wat werkt voordat je breed uitrolt.

En je houdt ruimte om in te spelen op nieuwe mogelijkheden die over drie maanden bestaan maar vandaag nog niet.

Organisaties die vasthouden aan watervalaanpakken voor AI-projecten, lopen het risico dat de oplossing al verouderd is tegen de tijd dat die live gaat. De wereld beweegt te snel voor trage projecten.

6. Nieuwe vaardigheden voor nieuw werk

AI verandert het werk. Niet in de toekomst, nu. Taken verschuiven van uitvoeren naar sturen. Van schrijven naar reviewen. Van zoeken naar beslissen.

Dat vraagt andere vaardigheden dan de meeste medewerkers vandaag hebben.

McKinsey becijferde dat vóór 2030 zo’n 70% van de vaardigheden in huidige functies verandert. Dat is geen toekomstscenario, het is een transitie die al bezig is.

Functies krijgen een ander karakter: minder vaste taken, meer sturing op output en resultaat.

“Taken verschuiven van uitvoeren naar sturen.”

Dat vraagt om gerichte investering in nieuwe vaardigheden. Niet alleen technische vaardigheden, zoals het gebruik van AI-tools, maar vooral cognitieve en kritische vaardigheden.

• Hoe beoordeel je AI-output?
• Wanneer vertrouw je het resultaat en wanneer niet?
• Hoe formuleer je een doel dat een AI-agent begrijpt?
• Hoe stuur je op kwaliteit als je het werk niet zelf uitvoert?

Organisaties die hun medewerkers niet actief meenemen in deze transitie, krijgen te maken met twee problemen tegelijk: medewerkers die AI niet effectief gebruiken en medewerkers die AI klakkeloos vertrouwen.

Beide zijn schadelijk.

Eén training is te weinig. Het is een doorlopend proces van leren, experimenteren en ontwikkelen. Een lerende organisatie, in de meest letterlijke zin.

7. Grip op data en toegang

AI werkt met data. Vaak met gevoelige data: klantgegevens, financiële informatie, bedrijfsstrategieën, personeelsdossiers.

De vraag waar die data naartoe gaat en wie er toegang toe heeft, raakt de kern van verantwoord AI-gebruik.

“Geen details, maar fundamentele voorwaarden”

Organisaties moeten grip houden op hun data. Dat betekent:

• Weten waar je data staat. In welk datacenter, onder welke jurisdictie, bij welke leverancier.
• Controleren wie toegang heeft. Niet alleen mensen, ook AI-modellen. Een AI-agent die toegang heeft tot je hele SharePoint-omgeving heeft dezelfde toegang als een medewerker met de breedste rechten. Dat is zelden de bedoeling.
• Voorkomen dat data wordt gebruikt voor modeltraining. Sommige commerciële AI-modellen trainen op gebruikersdata. Voor bedrijfskritieke informatie is dat onacceptabel. Kies voor platforms die hier expliciete garanties over geven.

Microsoft biedt met Azure en Microsoft 365 een omgeving waarin afspraken over datasoevereiniteit, privacy en beveiliging contractueel zijn vastgelegd.

Voor veel enterprise-diensten kan data binnen de EU Data Boundary worden opgeslagen en verwerkt.

Klantdata wordt binnen specifieke AI-diensten niet gebruikt om de onderliggende modellen te trainen, tenzij daar expliciet toestemming of opdracht voor is gegeven.

De bestaande beveiligings- en compliancemaatregelen blijven zo van toepassing. Welke garanties gelden, hangt af van de gekozen dienst, licentie en configuratie.Dat is geen detail, het is een fundamentele voorwaarde.

8. Verantwoord inzetten en uitlegbaar blijven

AI brengt risico’s die verder gaan dan technologie. Modellen kunnen vooroordelen bevatten. Uitkomsten kunnen onjuist zijn. Beslissingen die AI ondersteunt, kunnen onbedoeld discrimineren.

De EU AI Act treedt gefaseerd in werking en stelt eisen aan AI-systemen, afhankelijk van hoe groot het risico is.

“Geen papierwerk, maar een kans om vertrouwen op te bouwen.”

Voor veel toepassingen in HR, financiële dienstverlening en de publieke sector betekent dat: documenteren hoe je AI inzet, transparant zijn over de rol van AI in beslissingen en laten zien dat je ongewenste effecten aanpakt.

Dat is geen extra papierwerk. Het is een kans om vertrouwen te bouwen. Klanten, medewerkers en toezichthouders waarderen organisaties die open zijn over hoe ze AI gebruiken en aantonen dat ze het verantwoord doen.

Maak duidelijke afspraken over eerlijk gebruik. Zorg dat mensen weten wanneer ze met AI te maken hebben. En controleer of de uitkomsten kloppen, eerlijk zijn en binnen de regels vallen.

Het fundament staat nooit helemaal stil

Een laatste punt. De acht randvoorwaarden in deze blog zijn geen afvinklijst die je één keer doorloopt en dan klaar bent. Ze bewegen mee. Technologie evolueert. Regelgeving verandert. Medewerkers groeien. Data verbetert.

Wat vandaag voldoende is, vraagt over een jaar extra aandacht.

Dat is geen reden om te wachten. Het is juist een reden om te beginnen. Door te starten ontdek je welke randvoorwaarden in jouw organisatie aandacht nodig hebben.

Door te leren versterk je ze gericht. En door in beweging te blijven, zorg je dat je fundament meegroeit met je ambities.