AI adoptie laten landen op de werkvloer

AI adoptie is het proces waarmee een team dat al met AI werkt het gebruik gelijktrekt naar één gedeelde werkwijze, in plaats van losse gebruikers die elk hun eigen manier hanteren. Het verschil met AI implementatie zit in het vertrekpunt. Bij implementatie begint het team bij nul. Bij adoptie heeft het team al AI-licenties, gebruiken één of meer mensen het, maar bestaat er geen gedeelde basis waarop de hele organisatie steunt.

Het MIT-rapport "The GenAI Divide: State of AI in Business 2025" liet zien dat AI in bedrijven vaak op deze manier ontstaat: een "shadow AI economy" waarin ongeveer 90 procent van de medewerkers consumenten-AI inzet zonder dat het bedrijf erbij betrokken is. Het officiële AI-programma loopt vast, het ad-hoc gebruik bloeit. Een AI adoptie-traject lost dit op door het ad-hoc gebruik te vervangen door een werkbare gedeelde werkwijze, waarbij de organisatie weer regie krijgt.

AI adoptie en AI implementatie kennen bij LearnLLM hetzelfde uitvoeringsproces en dezelfde pakketten. Het verschil zit in waar je vertrekt. Een team dat nog niet of nauwelijks met AI werkt, hoort op AI implementatie. Een team dat al wel met AI werkt maar ziet dat het niet team-breed gebeurt, hoort hier op de adoptie-pagina's. De keuze tussen de twee is geen technische keuze maar een vraag over jouw huidige situatie.

AI adoptie strandt in de meeste organisaties omdat de tool wordt ingevoerd zonder werkafspraken eromheen. Licenties aangeschaft, welkomstmail verstuurd, management heeft een strategie. Drie maanden later gebruikt 20 procent van het team de tool dagelijks, de helft sporadisch, en de rest niet. Dat is geen technologieprobleem, dat is een adoptieprobleem.

Het MIT-rapport "The GenAI Divide: State of AI in Business 2025" geeft hier harde cijfers bij. Van de AI-pilots in bedrijven slaagt slechts 5 procent in het opleveren van meetbare bedrijfsimpact. De rest verzandt. Niet omdat de tools tekortschieten, maar omdat de bedrijven die het wel goed doen drie dingen anders aanpakken: ze hebben gedeelde werkwijzen, ze hebben interne aanspreekpunten, en ze meten of de adoptie ook werkelijk doorzet.

De kloof tussen invoering en gebruik

De kloof tussen invoering en gebruik vormt het kerngebrek waarop AI-trajecten omvallen. Een tool ingevoerd door IT of door de directie betekent niet automatisch dat het team de tool ook gebruikt. Als de ene SEO-specialist Claude gebruikt voor sectie-rewrites en de andere ChatGPT voor blogposts zonder afspraken over data of kwaliteit, ontstaat geen team-niveau adoptie maar individueel gepruts. Datzelfde patroon zie je in marketingbureaus, accountantskantoren en notariskantoren waar AI snel wordt geïntroduceerd zonder dat de werkafspraken meegroeien.

Verantwoordelijke inzet als minimumstandaard

Verantwoordelijke inzet als minimumstandaard betekent dat AI in jouw organisatie alleen wordt gebruikt binnen vooraf afgesproken kaders. Welke data mag in een prompt, welke output moet door menselijke controle, hoe documenteren we AI-gebruik voor klanten en toezichthouders. Die kaders zijn sinds 2 februari 2025 deels wettelijk verplicht via EU AI Act artikel 4: medewerkers die met AI werken moeten een toereikend niveau van AI-geletterdheid hebben. Een AI-richtlijn van vier tot zes pagina's is genoeg om die minimumstandaard te halen, mits het document ook werkelijk wordt nageleefd.

AI adoptie aanpakken bij LearnLLM gebeurt via een traject van zes tot acht weken waarin invoering, werkwijze en verankering elkaar opvolgen. Geen losse workshop, geen change management-traject in EY-stijl, wel een concrete reeks stappen waarbij het team na afloop aantoonbaar anders werkt.

Fase 1: intake en nulmeting (week 1)

Intake en nulmeting gebeuren in een Teams-sessie van één tot anderhalf uur. We brengen werkprocessen in kaart, identificeren waar AI nu al wordt gebruikt (en door wie), en kiezen drie tot vijf concrete use cases waarop het traject zich richt. De nulmeting registreert hoeveel medewerkers AI gebruiken, welke tools, welke prompts. Mocht na deze intake blijken dat de fit niet klopt, dan stopt het traject hier zonder vervolgkosten.

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

E-learnings en de gedeelde prompt-bibliotheek worden in deze fase opgezet. Het team doorloopt de relevante AI cursussen van LearnLLM in eigen tempo, parallel bouwen we een prompt-bibliotheek op maat voor de gekozen use cases. Dit is het moment waarop AI verschuift van "iets dat een paar mensen kunnen" naar "iets dat het hele team kan toepassen".

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

Coaching en governance zijn de derde fase. Eén tot drie live coachingsessies waarin we door echte werktaken lopen, met de hele groep of in kleinere subteams. We leveren de AI-richtlijn en het governance-document op. Train-de-trainer voor de interne champion die de adoptie na het traject warm houdt; zonder champion verdampt adoptie binnen drie maanden.

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

Afronding en meting sluiten het traject af. Afsluitende sessie waarin we het traject doorlopen, openstaande vragen behandelen en de adoptie-status meten. Zes weken na afronding een laatste check-in om te zien wat werkt en wat aangescherpt moet worden. Geen open einde, geen abonnementsverplichting.

Prompt-bibliotheek op maat

De prompt-bibliotheek op maat bevat vijftien tot dertig bewezen prompts en workflows voor terugkerende taken in jouw team. De bibliotheek vervangt de losse prompts die nu in WhatsApp-groepen, persoonlijke notities en willekeurige documenten leven. Eigendom van jouw organisatie na afloop, zonder licentie of opzegtermijn.

AI-richtlijn en governance-document

De AI-richtlijn en het governance-document maken expliciet wat AI in jullie organisatie mag opleveren en wat een mens moet controleren. Een werkbaar document van vier tot zes pagina's, niet een 80-pagina compliance-rapport. Welke data mag wel of niet in een prompt, welke output moet door een tweede paar ogen, hoe verantwoorden we AI-gebruik richting klanten of toezichthouders.

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 conceptakte) en bouwen de werkwijze samen op. Adoptie ontstaat als kennis direct wordt toegepast op werk dat morgen de deur uit moet.

E-learnings en certificering per medewerker

E-learnings en certificering per medewerker zijn beschikbaar voor het hele team via de relevante AI cursussen van LearnLLM, met een certificaat na afronding dat registreerbaar is in jouw HR-systeem. De certificering is direct inzetbaar voor EU AI Act artikel 4. Twaalf maanden toegang, zodat nieuwe medewerkers later instromen op hetzelfde fundament.

Interne champion via train-de-trainer

De interne champion via train-de-trainer is iemand uit jouw team die na afloop van het traject de adoptie warm houdt. Geen technische rol; een teamleider, een senior medewerker of de directeur zelf kan dit prima. Zonder champion verdampt elke adoptie binnen drie maanden, met champion blijft de werkwijze ook over een jaar nog staan.

Voor het MKB

Voor het MKB richt deze aanpak zich op organisaties met 5 tot 50 medewerkers waar AI ad-hoc wordt gebruikt en die naar één gedeelde werkwijze willen. Eén directeur die beslist, korte communicatielijnen, een team dat geen 20% van de werkweek kan vrijmaken voor verandermanagement. Aanpak op MKB-schaal staat uitgewerkt op AI adoptie MKB, met sectoraccenten en intake-aandacht voor de Brainport-regio.

Voor notariskantoren

Voor notariskantoren werkt deze aanpak anders vanwege tuchtrechtelijke kaders. Een kandidaat-notaris die ChatGPT gebruikt voor conceptaktes en een senior notaris die het mijdt, leveren geen kantoorbrede werkwijze op maar een ongelijke praktijk waarop een KNB-audit of tuchtklacht niet kan steunen. Volledige uitwerking op basis van de KNB AI-weegschaal staat op AI adoptie notariaat.

Voor andere kennisintensieve dienstverleners

Voor andere kennisintensieve dienstverleners (financieel adviseurs, accountantskantoren, juridische adviesbureaus) loopt het via hetzelfde traject. NBA-beroepsregels, AFM-toezicht of NOvA-Gedragsregels worden in de intake meegenomen. De keuze tussen de MKB-pagina en de notariaat-pagina hangt af van waar jullie zich het meest in herkennen.

Meetbaarheid van AI adoptie wordt vormgegeven via vier indicatoren die in week 1 worden vastgelegd als nulmeting en zes weken na afronding opnieuw worden gemeten. Concrete getallen, geen verandercurve op een PowerPoint-slide. Als deze vier indicatoren niet bewegen, is de adoptie niet geslaagd en bespreken we wat de oorzaak is.

Gebruiksgraad per medewerker per week

De gebruiksgraad per medewerker per week meet hoeveel mensen uit het team de gedeelde prompt-bibliotheek wekelijks gebruiken. Eén dagelijkse gebruiker maakt geen adoptie; pas als minimaal 70 procent van het team de werkwijze wekelijks toepast, is er sprake van team-niveau adoptie. Dit is de eerste en belangrijkste indicator omdat alle andere indicatoren hiervan afhangen.

Doorlooptijd-reductie op gekozen taken

Doorlooptijd-reductie op gekozen taken is de hardste indicator van of adoptie ook werkelijk waarde oplevert. In week 1 meten we hoe lang een typische taak nu kost. Zes weken na afronding meten we het opnieuw. Twee tot vier uur tijdwinst per medewerker per week op terugkerende taken is een gangbare uitkomst, mits de eerste indicator (gebruiksgraad) op orde is.

Kennis van de AI-richtlijn

Kennis van de AI-richtlijn meet of medewerkers kunnen benoemen welke afspraken er gelden, zonder de richtlijn erbij te pakken. Welke data mag in een prompt, welke output vereist een tweede controle, wat doen we bij twijfel. Als zes weken na afronding meer dan 80 procent van het team de kernregels kan benoemen, is de richtlijn werkelijk geland.

Activiteit van de interne champion

Activiteit van de interne champion is de zachtste indicator maar wel de meest voorspellende voor of de adoptie ook na zes maanden nog staat. Een champion die wekelijks vragen krijgt, prompts bijwerkt en nieuwe medewerkers introduceert, houdt de werkwijze warm. Een champion die na het traject in stilte verdwijnt, signaleert dat de werkwijze gaat verdampen.

LearnLLM doet bewust drie dingen niet die in de adoptie-markt vaak worden aangeboden. Zo kun je vooraf inschatten of de aanpak bij jouw situatie past.

Geen losse adoptie-workshops

Geen losse adoptie-workshops omdat een eenmalige sessie zelden tot duurzame 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 zijn de gestandaardiseerde e-learnings via AI cursussen van LearnLLM, maar die staan los van het adoptie-traject zelf.

Geen change management op directieniveau

Geen brede change management-aanpak gericht op cultuur, leiderschapsvisie en organisatie-ontwerp. Die aanpak past bij organisaties van 500 medewerkers met een interne HR-functie, niet bij dienstverleners van 5 tot 50 medewerkers waarvoor LearnLLM is gebouwd. Concrete werkwijze, gedeelde prompts en een interne champion leveren in MKB-schaal meer op dan een visiedocument.

Geen voorkeur voor één AI-tool

Geen vaste relatie met één AI-tool-leverancier. Geen voorkeur voor OpenAI, Anthropic, Google of Microsoft buiten wat inhoudelijk past bij jullie use case. Mijn eigen werk draait op Claude van Anthropic via de API omdat dit model onzekerheid expliciet benoemt, maar voor jouw team kan een andere tool beter passen. Die keuze maken we in week 1 op basis van wat het team al gebruikt en wat het beste aansluit op jullie werk.

De partner 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 Claude 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 basis van elke adoptie-aanpak die ik bouw.

Daarvoor werkte ik bij Rabobank, ABN Amro en Van Lanschot, omgevingen waar nauwkeurigheid en integriteit harde vereisten zijn. Het four-eyes-principe dat banken hanteren, vertaal ik in elke adoptie naar werkbare AI-controlepunten. Voor MKB-schaal betekent dat: één interne champion in plaats van een compliance-afdeling, een richtlijn van vier tot zes pagina's in plaats van een compliance-handboek.

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. Dat betekent volle aandacht voor jouw team, en het betekent ook dat plekken beperkt zijn. Bij interesse is het verstandig om snel in te plannen.