AI implementatie voor kennisintensieve dienstverleners

AI implementatie is het opzetten van een gestructureerde werkwijze waarmee een team AI structureel toepast in dagelijks werk, in plaats van AI als losse experimenten naast het werk te laten bestaan. Het verschil zit in drie dingen: gedeelde prompts in plaats van losse pogingen, een richtlijn waar iedereen zich aan houdt in plaats van persoonlijke afspraken, en meetbare adoptie in plaats van een gevoel dat het wel goed gaat.

Het MIT-rapport "The GenAI Divide: State of AI in Business 2025" liet zien dat 95 procent van de AI-pilots in bedrijven geen meetbare impact op de bedrijfsvoering oplevert. Slechts 5 procent slaagt. Het onderscheid zit niet in de gekozen tool of het AI-model, maar in de werkwijze eromheen. Bedrijven die met externe specialisten werken slagen volgens dat MIT-rapport ongeveer twee keer zo vaak als bedrijven die het intern proberen. Die bevinding is de kern van wat AI implementatie via LearnLLM doet: de werkwijze opzetten waarmee jouw team in de 5 procent terechtkomt.

AI implementatie verschilt van AI adoptie. Implementatie gaat over het opbouwen van de werkwijze voor kantoren die nog niets of nauwelijks iets met AI doen. Adoptie gaat over het gelijktrekken van bestaand AI-gebruik voor kantoren die AI al gebruiken maar zien dat het ongelijk gebeurt. Beide trajecten kennen hetzelfde uitvoeringsproces en dezelfde pakketten, alleen het vertrekpunt verschilt. Zie AI adoptie als jullie team al met AI werkt zonder gedeelde afspraken.

Fase 1: intake en use case selectie (week 1)

AI implementatie begint met een intake van één tot anderhalf uur via Teams. We brengen werkprocessen in kaart, identificeren het huidige AI-niveau van het team en kiezen drie tot vijf concrete use cases voor het traject. Use cases met hoge frequentie en lage variabele complexiteit hebben prioriteit, omdat daar het snelst tijdwinst zichtbaar wordt. Mocht na deze intake blijken dat de fit niet klopt, dan stopt het traject hier zonder vervolgkosten; alleen de geleverde uren worden gefactureerd.

Fase 2: e-learnings en eerste prompt-bibliotheek (week 2-4)

E-learnings en de eerste prompt-bibliotheek worden in deze fase opgebouwd. Het team doorloopt de relevante AI cursussen van LearnLLM in eigen tempo. Parallel bouwen we de prompt-bibliotheek op basis van de gekozen use cases. Voor een marketingbureau zijn dat bijvoorbeeld prompts voor briefing-naar-content en social posts; voor een accountantskantoor prompts voor rapportages en samenvattingen.

Fase 3: coaching en governance-document (week 4-6)

Coaching en het governance-document komen in fase drie samen. Eén tot drie live coachingsessies waarin we door echte werktaken lopen, niet door theorie. We leveren de AI-richtlijn en het governance-document op, beide vier tot zes pagina's, werkbaar in plaats van uitgebreid. Train-de-trainer voor de interne champion die de werkwijze na het traject warm houdt; zonder champion verdampt elke implementatie binnen drie maanden.

Fase 4: afronding en check-in (week 6-8 plus 6 weken later)

De afronding gebeurt in een afsluitende sessie waarin we het hele traject doorlopen en openstaande vragen behandelen. Zes weken na afronding volgt een check-in om te zien wat werkt en wat aangescherpt moet worden. Geen open einde, geen abonnementsverplichting. Het traject heeft een vast eindpunt.

Prompt-bibliotheek op maat

De prompt-bibliotheek op maat bevat vijftien tot dertig bewezen prompts en workflows voor terugkerende taken in jouw team. Voor een marketingbureau zijn dat bijvoorbeeld een briefing-prompt die uit een klantintake een SEO-content-brief maakt, een social-post-prompt voor LinkedIn-content in de huisstijl, en een sectie-rewrite-prompt voor bestaande pagina's. Een accountantskantoor krijgt prompts voor klantcommunicatie, samenvattingen van rapportages en notulen. Eigendom van jouw organisatie na afloop, zonder licentie of opzegtermijn.

AI-richtlijn voor jouw organisatie

De AI-richtlijn voor jouw organisatie maakt expliciet wat AI in jullie kantoor mag opleveren en wat een mens moet controleren. Een werkbaar document van vier tot zes pagina's, geen 80-pagina compliance-rapport. Welke data mag wel of niet in een prompt? Welke output moet door een tweede paar ogen voordat het naar buiten gaat? Hoe verantwoorden we AI-gebruik richting klanten?

Governance-document voor verantwoording

Het governance-document voor verantwoording legt de werkwijze vast op een hoger abstractieniveau, zodat de organisatie aan een toezichthouder, accountant of klant kan tonen hoe AI wordt ingezet. Welke softwareleveranciers worden gebruikt, welke verklaringen die leveranciers hebben afgegeven, hoe wordt AI-gebruik gedocumenteerd. Vier tot zes pagina's.

Coaching op echte werktaken

Coaching op echte werktaken vindt plaats in live werksessies via Teams van één uur, waarin we niet over AI praten maar er daadwerkelijk mee werken. We pakken een echte taak uit jouw team (een offerte, een rapportage, een klantmail) en bouwen de werkwijze samen op. Kennis blijft alleen plakken als je hem direct toepast op werk dat morgen de deur uit moet.

Certificering per medewerker

Certificering per medewerker geldt voor iedereen die de relevante AI cursussen doorloopt, met een certificaat na afronding dat registreerbaar is in jouw HR-systeem. Voor EU AI Act artikel 4, dat sinds 2 februari 2025 AI-geletterdheid vereist voor medewerkers die met AI werken, is dit direct inzetbaar. Twaalf maanden toegang, zodat nieuwe medewerkers later instromen op hetzelfde fundament.

Voor het MKB

Voor het MKB richt deze aanpak zich op organisaties met 5 tot 50 medewerkers die snel willen starten zonder organisatiebreed verandertraject. Eén directeur die beslist, korte communicatielijnen, een team dat geen 20% van de werkweek kan vrijmaken. Aanpak op MKB-schaal staat uitgewerkt op AI implementatie MKB, met focus op marketingbureaus, accountantskantoren en juridische dienstverleners in Eindhoven, Brainport en heel Nederland.

Voor notariskantoren

Voor notariskantoren werkt deze aanpak anders dan in andere sectoren vanwege tuchtrechtelijke kaders en de KNB AI-weegschaal. Een notariskantoor kan bij een fout in een akte tuchtrechtelijke consequenties krijgen, dus de werkwijze moet vanaf dag één rekening houden met onafhankelijkheid, onpartijdigheid en zorgvuldigheid uit artikel 17 Wna. Volledige uitwerking met prompts per akte-type op AI implementatie notariaat.

Voor andere kennisintensieve dienstverleners

Voor andere kennisintensieve dienstverleners (financieel adviseurs, accountantskantoren, juridische adviesbureaus, consultancies) loopt het via hetzelfde traject. NBA-beroepsregels, AFM-toezicht of NOvA-Gedragsregels worden in de intake meegenomen voor de inrichting van de AI-richtlijn. De keuze tussen de MKB-pagina en de notariaat-pagina hangt af van waar jullie zich het meest in herkennen; voor sectoren die niet expliciet op een eigen pagina staan, vraag een intake aan via het formulier onderaan.

AI succesvol implementeren in een bedrijf vraagt om drie keuzes vooraf. De eerste is scope: kies één proces, niet een organisatiebrede strategie. Het MIT-rapport over 95 procent falende AI-pilots wijst keer op keer op dezelfde oorzaak: bedrijven hedgen hun bets met een dozijn pilots in plaats van één diep uit te werken. Eén proces eerst, daarna pas opschalen, is sneller en goedkoper.

De tweede keuze is governance. Welke data mag in een prompt, welke output vereist menselijke controle, hoe documenteer je AI-gebruik richting klanten of toezichthouders. Sinds 2 februari 2025 vereist EU AI Act artikel 4 dat medewerkers die met AI werken een toereikend niveau van AI-geletterdheid hebben. Een AI-richtlijn op maat dekt deze eisen voor MKB-organisaties; voor zwaardere compliance-omgevingen (financieel toezicht, notariaat) komt er een sectorspecifieke uitwerking bij.

De derde keuze is verankering. Een werkwijze die alleen door een externe specialist wordt onderhouden, verdampt binnen drie maanden na afloop van het traject. Een interne champion (vanaf het Groei-pakket) houdt de werkwijze warm, beantwoordt vragen van collega's en werkt de prompt-bibliotheek bij wanneer dat nodig is. Zonder champion is de implementatie kortstondig; met champion blijft de werkwijze ook over een jaar nog staan.

LearnLLM doet bewust drie dingen niet die in de markt veel worden aangeboden. Helder vooraf, zodat geen tijd verloren gaat aan trajecten die op verwachte mismatch eindigen.

Geen losse workshops of inspiratiesessies

Geen losse workshops of inspiratiesessies omdat een eenmalige sessie zelden tot werkverandering leidt. Een team dat een dag enthousiast wordt gemaakt zonder concrete vervolgstappen, valt binnen drie maanden terug op oude patronen. Wel mogelijk als losse module is de AI training voor bedrijven die zich richt op gestandaardiseerde modules; dat is een ander aanbod dan implementatie.

Geen strategieadvies op directieniveau

Geen strategieadvies op directieniveau omdat strategisch advies zonder uitvoering een uitgebreid rapport oplevert dat in een la verdwijnt. AI implementatie via LearnLLM gaat over werkbare verandering: één proces als startpunt, daadwerkelijke prompts gebouwd, een team dat na zes weken anders werkt. Voor strategisch advies zijn er gespecialiseerde consultancybureaus.

Geen trajecten in sectoren zonder eigen praktijkervaring

Geen trajecten in sectoren zonder eigen praktijkervaring betekent dat marketing- en SEO-bureaus, financieel adviseurs en juridische dienstverleners de primaire focus zijn. De aansluiting met SEO-werk, banken-achtergrond en juridische precisie klopt inhoudelijk. Voor sectoren als zorg, logistiek of productie zou een implementatie zonder eigen ervaring uitgevoerd worden; dat past niet bij de E-E-A-T-standaard van LearnLLM.

De specialist achter LearnLLM is Dennis van de Velde, SEO-specialist bij Space'M Online en dagelijks professioneel gebruiker van AI in productie-omgevingen. Op eigen VPS-infrastructuur draaien Python-tools die op de API werken voor SEO-taken: contentpipelines, Google Search Console-analyses, technische audits via Screaming Frog. Die ervaring met AI in een productiecontext, waar fouten direct meetbare gevolgen hebben voor rankings en revenue, vormt de kern van elke implementatie.

Daarvoor werkte Dennis bij Rabobank, ABN Amro en Van Lanschot. Omgevingen waar nauwkeurigheid en integriteit geen aanbevelingen zijn maar harde vereisten. Waar je controleert wat je verstuurt, omdat de gevolgen van een fout verder reiken dan een slechte indruk. Het four-eyes-principe waar banken op draaien, vertaal ik in elke implementatie naar AI-controlepunten die ook in een marketingbureau of accountantskantoor werken.

Het primaire AI-model in mijn eigen werk is Claude van Anthropic, vooral vanwege de manier waarop het model onzekerheid benoemt in plaats van doorbluft op vragen waar het antwoord niet zeker is. Die eigenschap weegt zwaar in productie-omgevingen. LearnLLM is een specialistisch traject naast mijn werk bij Space'M Online, geen consultancybureau met een leger juniors. Drie tot vier trajecten per kwartaal, persoonlijk uitgevoerd. Volle aandacht voor jouw team in plaats van een account manager die je doorzet naar een trainee.