AI implementatie voor bedrijven

AI implementatie in een bedrijf is het opzetten van een gestructureerde werkwijze waarmee een team AI structureel toepast in dagelijks werk. Drie dingen maken het verschil met losse experimenten: gedeelde prompts in plaats van individuele pogingen, een richtlijn waaraan het hele team zich houdt in plaats van persoonlijke afspraken, en een meting die laat zien of het gebruik ook werkelijk doorzet.

Dat onderscheid verklaart een hardnekkig patroon. In een enquête onder bestuurders in vier landen gaf 89 procent aan over de afgelopen drie jaar geen effect van AI op de arbeidsproductiviteit te zien, terwijl vrijwel al die organisaties wel AI-tools in huis hebben (Yotzov e.a., NBER 34836, 2026, zelfgerapporteerd). Een tool aanschaffen en een tool laten renderen zijn niet dezelfde stap.

Waar het wel meetbaar werkt, hangt het aan de taakkeuze. In een gecontroleerd experiment met 758 consultants werkten deelnemers 25,1 procent sneller en rondden zij 12,2 procent meer taken af, maar uitsluitend op de achttien taken die binnen de grens vielen waarbinnen AI betrouwbaar is. Op de ene taak die daarbuiten was gekozen, was hun antwoord 19 procentpunten minder vaak correct (Dell'Acqua e.a., Organization Science, 2026).

AI integreren in een bedrijf begint daarom niet bij een toolkeuze. Het begint bij de vraag welke terugkerende taken zich lenen voor AI-ondersteuning, wie de output controleert voordat die naar een klant gaat, en welke gegevens onder geen voorwaarde in een prompt mogen. Die drie antwoorden vormen de kern van elk traject dat ik uitvoer, ongeacht de sector.

Implementatie als vertrekpunt

Implementatie als vertrekpunt geldt voor teams die nog niet of nauwelijks met AI werken. Er zijn geen prompts om samen te voegen en geen gebruik om te meten, dus de werkwijze wordt vanaf nul opgebouwd rond één tot drie processen. De eerste fase gaat dan volledig over proceskeuze.

Adoptie als vertrekpunt

AI adoptie in een bedrijf is het gelijktrekken van bestaand gebruik naar één gedeelde werkwijze. Dat speelt zodra er al licenties zijn en een deel van het team AI dagelijks inzet, terwijl de rest het niet aanraakt. De eerste fase begint dan met een nulmeting van het huidige gebruik: welke tools draaien er, welke losse prompts leven er in het team, en waar zit al tijdwinst. Die losse prompts voeg ik samen tot één bibliotheek in plaats van ze te vervangen.

Prompt-bibliotheek op maat

De prompt-bibliotheek op maat bevat prompts en workflows voor de terugkerende taken in jouw team, opgebouwd rond één tot drie processen. Een marketingbureau krijgt bijvoorbeeld een prompt die uit een klantintake een contentbriefing maakt, een sectie-rewrite voor bestaande pagina's en een social post in de huisstijl van de klant. Een accountantskantoor krijgt prompts voor klantcorrespondentie, adviesnotities en het samenvatten van rapportages. Bij een adoptie-traject vervangt de bibliotheek de losse prompts die nu in persoonlijke notities en chatgroepen leven.

AI-richtlijn voor jouw organisatie

De AI-richtlijn maakt expliciet wat AI in jouw organisatie mag opleveren en wat een mens controleert. Vier tot zes pagina's, geen compliance-handboek van tachtig pagina's. Welke data mag in een prompt, welke output gaat alleen na een tweede controle naar buiten, en hoe verantwoord je het AI-gebruik richting klanten of een toezichthouder. Het document is kort gehouden omdat een richtlijn die niemand leest geen richtlijn is.

Controlepunten per kerntaak

Per kerntaak ligt vast waar een tweede paar ogen verplicht is voordat output de deur uit gaat. Dat vier-ogen-principe komt uit de bankenpraktijk en is vertaald naar de schaal van een kantoor van vijf tot vijftig mensen: geen compliance-afdeling, wel een aanwijsbaar moment waarop iemand aftekent.

Governance-document voor verantwoording

Het governance-document legt de werkwijze vast op organisatieniveau, zodat je aan een klant, accountant of toezichthouder kunt tonen hoe AI wordt ingezet. Welke leveranciers worden gebruikt, welke verklaringen die hebben afgegeven over dataopslag en modeltraining, en hoe het gebruik wordt gedocumenteerd.

Schriftelijke validatie op echt werk

De validatie draait om echt werk en niet om theorie. Jouw team levert twee tot drie werkvoorbeelden aan, bijvoorbeeld een offerte, een rapportage of een klantmail, en die beoordeel ik schriftelijk in een reviewrapport. Er is geen vergadertijd nodig, dus de feedback wordt verwerkt op een moment dat past. Bij een adoptie-traject komen die voorbeelden van verschillende teamleden, zodat zichtbaar wordt waar de aanpakken uiteenlopen.

Certificering per medewerker

Certificering per medewerker volgt uit de AI cursussen die in het traject zitten, met een certificaat per afgeronde cursus dat je in het personeelsdossier registreert. Artikel 4 van de AI-verordening geldt sinds 2 februari 2025 en luidt sinds 27 juli 2026 als inspanningsverplichting: organisaties nemen maatregelen die de AI-geletterdheid van medewerkers ondersteunen, zonder dat er een gegarandeerd niveau per medewerker wordt voorgeschreven. Juist bij een inspanningsverplichting is wat je kunt laten zien het enige bewijs, en een gedateerd trainingsoverzicht met certificaten is precies dat. De toegang loopt twaalf maanden, zodat latere instroom op hetzelfde fundament begint.

Wil je het hele team liever alleen opleiden zonder een traject, dan vergelijkt AI training voor bedrijven de kantoorlicentie op de e-learnings met de werkwijze hierboven. De e-learnings zitten in het traject, dus een licentie is nooit een voorwaarde om te starten.

AI implementeren in je bedrijf vraagt drie keuzes vooraf, en die keuzes wegen zwaarder dan de vraag welk model je gebruikt. De eerste is scope. Eén proces goed uitwerken levert meer op dan een dozijn pilots die allemaal halverwege blijven steken, en het is sneller en goedkoper te corrigeren als een aanname niet blijkt te kloppen.

De tweede keuze is governance. Welke data mag in een prompt, welke output vereist een tweede paar ogen, en hoe documenteer je het gebruik richting klanten of een toezichthouder. In dit traject wordt dat een richtlijn met een naam of rol erbij die aftekent, in plaats van een intentie.

De derde keuze is eigenaarschap. Een werkwijze die alleen door een externe specialist wordt onderhouden, verdampt kort na afloop van het traject. Daarom wijst het kantoor zelf iemand aan die vragen van collega's beantwoordt, de bibliotheek bijwerkt wanneer een nieuwe taak zich aandient en nieuwe medewerkers introduceert. Die rol staat in het governance-document, met naam en taken, zodat het geen losse afspraak blijft.

AI adoptie is het vertrekpunt zodra de tool er al is en het gebruik achterblijft. Licenties aangeschaft, welkomstmail verstuurd, en een paar maanden later gebruikt een deel van het team het dagelijks, een deel sporadisch en de rest niet. Dat is geen technologieprobleem en ook geen motivatieprobleem; er zijn simpelweg geen werkafspraken waar iemand naar kan wijzen.

Daarnaast loopt er in veel organisaties een tweede spoor: medewerkers die met een persoonlijk account werken omdat het officiële traject stroef verloopt of omdat niemand heeft uitgelegd wat wel en niet mag. Het ad-hoc gebruik bloeit en het officiële programma loopt vast. Het risico zit niet in de tool maar in het zicht: de organisatie weet dan niet welke klantgegevens waar terechtkomen, en kan dat richting een klant of toezichthouder ook niet verantwoorden.

Een adoptie-traject vervangt dat ongecoördineerde gebruik door een gedeelde werkwijze, waarbij de organisatie weer zicht heeft op welke gegevens in welke tool belanden. De fases en de deliverables blijven gelijk aan die van een implementatie vanaf nul; het verschil zit in de eerste fase, die begint met meten wat er nu gebeurt.

Gebruiksgraad van de gedeelde bibliotheek

De gebruiksgraad meet welk deel van het team de gedeelde prompt-bibliotheek wekelijks gebruikt voor de gekozen taken. Eén enthousiaste gebruiker maakt geen teambrede werkwijze, hoe goed die ene medewerker ook is. Deze indicator staat vooraan omdat de andere drie er van afhangen.

Doorlooptijd op de gekozen taken

De doorlooptijd op de gekozen taken is de hardste indicator, want die laat zien of het gebruik ook werkelijk iets oplevert. Bij de intake leggen we vast hoe lang een typische taak nu kost, en na afronding meten we opnieuw. De vraag is niet of het team de tool gebruikt, maar of de taak aantoonbaar sneller klaar is.

Kennis van de AI-richtlijn

Kennis van de AI-richtlijn meet of medewerkers de kernregels kunnen benoemen zonder het document erbij te pakken. Welke data mag in een prompt, welke output vereist een tweede controle, en wat doe je bij twijfel. Kan het grootste deel van het team dat na afronding benoemen, dan is de richtlijn werkelijk geland in plaats van alleen opgeleverd.

Activiteit van de interne eigenaar

De activiteit van de interne eigenaar is de zachtste indicator en tegelijk de meest voorspellende voor de situatie een half jaar later. Iemand die vragen krijgt, prompts bijwerkt en nieuwe medewerkers introduceert, houdt de werkwijze warm. Blijft die rol stil, dan is dat het eerste signaal dat de werkwijze gaat verwateren.

Mkb-bedrijven en juridische dienstverleners

Mkb-bedrijven werken met korte lijnen en zonder interne IT- of compliance-functie, dus de externe specialist neemt die rol tijdelijk over. De uitwerking op die schaal, inclusief de context van Eindhoven en de Brainport-regio, staat op AI implementatie voor het mkb, die ook advocaten en juridisch adviseurs bedient.

Notariskantoren

Een notariskantoor kan bij een fout in een akte tuchtrechtelijke gevolgen ondervinden, dus de werkwijze houdt vanaf de eerste dag rekening met de zorgvuldigheid uit artikel 17 Wna. Het traject voor AI implementatie notariaat neemt de KNB AI-weegschaal als vertrekpunt en werkt de prompts uit per akte-type.

Accountantskantoren

Bij een accountantskantoor spelen de NBA-beroepsregels mee, plus de NVKM, die een kwaliteitsmanagementsysteem verplicht maakt: voor OOB-kantoren sinds 1 januari 2025, voor reguliere Wta-vergunninghouders sinds 1 januari 2026 en voor overige kantoren met assurance- of samenstelopdrachten per 1 januari 2027. Het traject voor AI implementatie accountancy levert de richtlijn en het governance-document in een vorm die in dat systeem past, zodat de documentatie dubbel werk voorkomt.

Marketing- en SEO-bureaus

Bij een marketingbureau is AI-gebruik sinds de Google-update van januari 2026 ook een rankingvraagstuk, en niet meer alleen een kwestie van snelheid. Het traject voor AI implementatie marketing legt daarom per taaktype vast wie de output controleert voordat die naar de klant gaat, met een harde grens voor klantdata.

Geen losse workshops of inspiratiesessies

Losse workshops en inspiratiesessies vallen buiten het aanbod, omdat een eenmalige sessie zelden tot werkverandering leidt. Een team dat een dag enthousiast wordt gemaakt zonder vervolgstappen valt terug op oude patronen. Wie alleen opleiding zoekt, is beter geholpen met de e-learnings.

Geen strategieadvies zonder uitvoering

Strategieadvies op directieniveau zonder uitvoering levert een rapport op dat in een la verdwijnt. Dit traject gaat over werkbare verandering: processen gekozen, prompts gebouwd, een richtlijn die wordt nageleefd en een team dat na afloop anders werkt. Voor een organisatiebrede AI-strategie zijn gespecialiseerde consultancybureaus de betere keuze.

Geen automatisering op gesloten systemen

Heeft het bronsysteem geen API en geen exportmogelijkheid, dan wordt er niets gebouwd. Dat is het domein van robotisering op schermniveau, waar de kosten per proces een veelvoud bedragen van wat hier staat en een vaste prijs niet realistisch is. Bij veel dossier- en aktesystemen speelt dat, dus die toets komt in de intake aan bod en niet pas bij de offerte.

Geen sectoren zonder eigen praktijkervaring

Sectoren waar ik zelf geen praktijkervaring heb, neem ik niet aan. Marketing- en SEO-bureaus, financieel adviseurs en accountantskantoren, en juridische dienstverleners inclusief notariaat zijn de sectoren waar de inhoudelijke aansluiting klopt. Voor zorg, logistiek of productie zou ik een werkwijze bouwen op andermans aannames, en dat levert een traject op dat er goed uitziet en niet werkt.

De specialist achter het traject is Dennis van de Velde, SEO-specialist bij Space'M Online en dagelijks professioneel gebruiker van AI in productie-omgevingen. Op eigen infrastructuur draaien workflows die via de API aan SEO-taken werken: contentpipelines, analyses op Google Search Console-data en technische audits. Die bouw ik met AI als bouwpartner, precies zoals ik het een kantoor aanleer. Ervaring met AI in productie, waar een fout direct meetbare gevolgen heeft voor rankings, vormt de basis van elke werkwijze die ik opzet.

Daarvoor werkte ik bij Rabobank, ABN Amro en Van Lanschot, omgevingen waar nauwkeurigheid en integriteit harde vereisten zijn in plaats van aanbevelingen. Het four-eyes-principe waar banken op draaien, vertaal ik naar controlepunten die passen bij jouw schaal: één interne eigenaar in plaats van een compliance-afdeling, een richtlijn van vier tot zes pagina's in plaats van een handboek.

LearnLLM is een specialistisch traject naast mijn werk bij Space'M Online en geen consultancybureau met juniors. Drie tot vier trajecten per kwartaal, persoonlijk uitgevoerd, zodat de werkwijze die je krijgt er een is die ik zelf heb gebouwd en getest.