64% van alle features in softwareprojecten wordt nauwelijks gebruikt. Niet omdat ze slecht zijn gebouwd, maar omdat ze niet aansluiten bij wat mensen echt nodig hadden. Dat percentage stamt uit de pre-AI-tijd. Met AI wordt dit alleen nog maar groter. Dat komt omdat AI zonder de juiste context en insteek niet het gezond verstand heeft om jouw aanpak en vraagstelling in twijfel te trekken.
AI maakt processen sneller en het versterkt alles: de goede én de foute dingen. Begin je met de verkeerde vraag, dan helpt AI je alleen maar sneller de verkeerde oplossing te bouwen. Dit is te voorkomen, mits je weet welke stappen je moet zetten voordat er ook maar één regel code wordt geschreven. Hieronder lees je wat dat concreet oplevert en hoe je mensen laat werken mét AI in plaats van naast AI.
Investeer in het probleem, niet in de oplossing
Uit kwaliteitsmanagement stamt de 1-10-100-regel: het kost €1 om een probleem aan de bron te voorkomen, €10 om het tijdens development te corrigeren en €100 als het onopgemerkt bij de klant terechtkomt. Voor AI-trajecten geldt exact hetzelfde. Wie weken steekt in het bouwen van een oplossing zonder het onderliggende probleem goed te begrijpen, riskeert dat niemand het wil gebruiken.
Einstein omschreef het zo: als hij een uur had om over een probleem na te denken, zou hij 55 minuten besteden aan het probleem zelf en maar vijf aan de oplossing. Niet omdat de oplossing onbelangrijk is, maar omdat de juiste vraag het meeste werk nodig heeft.
Dit kan je vandaag nog doen: ga naar de mensen die het werk dagelijks uitvoeren. Loop mee, stel vragen of organiseer een korte workshop. Waar verliezen zij tijd? Welke handelingen worden steeds opnieuw uitgevoerd? Waar ontstaan fouten of frustraties? En vooral: welk probleem zou voor hen echt verschil maken als je het oplost?
"Oh nee, weer een nieuwe tool?"
De valkuil is een kant-en-klare oplossing opleveren en verwachten dat mensen ermee aan de slag gaan. Het geheim is betrokkenheid vanaf het begin. Medewerkers die straks met een nieuw systeem werken, moeten actief worden meegenomen in wat er wordt gebouwd.
Als medewerkers zien dat hun feedback daadwerkelijk wordt verwerkt, groeit het gevoel dat ze zelf invloed hebben op de oplossing. Zo verandert een testgroep stap voor stap in een groep ambassadeurs die de oplossing gebruikt en tegelijkertijd helpt verbeteren.
Dat ambassadeurschap is niet alleen waardevol voor een succesvolle adoptie. Het levert ook een betere oplossing op. Mensen die dagelijks met een systeem werken, zien dingen die de ontwikkelaars nooit zien.
Voorbeeld: het juiste probleem vinden
Een landelijke organisatie verbindt het beroepsonderwijs en bedrijfsleven en werkt met ruim 250.000 erkende leerbedrijven en 9 sectorkamers. Adviseurs voeren jaarlijks zo'n 144.000 erkenningsgesprekken. Elk gesprek doorloopt dezelfde stappen: voorbereiding, gesprek, observatie langs 8 kwaliteitsdimensies, rapportage en vastlegging in het interne systeem.
Wekenlang werden de adviseurs gevolgd. Meelopen, interviews, workshops met post-its en stiften, en zelfs rollenspellen. Daaruit kwam een werkreis: een visuele kaart van alles wat een adviseur doet, voor, tijdens en na een gesprek. Waar werd iemand blij van? Waar zat de frictie?
Voor je eigen organisatie hoeft dat niet meteen een uitgebreid onderzoek te zijn. Begin bijvoorbeeld met één proces en breng samen met medewerkers drie dingen in kaart: waar kost het onnodig veel tijd, waar ontstaan verschillen in kwaliteit en welke informatie is lastig beschikbaar? Zo ontstaat een veel concreter vertrekpunt voor AI dan de vraag: “Waar kunnen we AI inzetten?”
De uitkomst van het onderzoek
Bij de vastlegging van de gesprekken bleek de meeste winst te behalen. Die rapportage kostte gemiddeld 30 minuten per gesprek. Opgeteld over alle gesprekken betekent dat 72.000 uur per jaar aan administratie. Belangrijk werk, maar uit alle gesprekken met adviseurs bleek dat het voor veel van hen als corvee voelde. Ook bleek dat:
de kwaliteit niet consistent genoeg was omdat iedereen op zijn eigen manier werkt
adviseurs zonder ondersteuning werden ingezet buiten hun expertisegebied
voorbereiding veel tijd kostte omdat informatie niet makkelijk te vinden was
Pas toen deze oorzaken helder waren, werd nagedacht over techniek. Eerst het probleem, daarna pas de oplossing. Geen AI-implementatie als doel, maar als middel.
Begin klein, verwerf kennis en schaal daarna op
Als reactie op één van de problemen ontstond het AI-gespreksverslag. Direct na een gesprek spreekt de adviseur een korte reflectie in, vaak terwijl ze in de auto zaten naar een volgende afspraak. Het systeem werkt als volgt:
De adviseur spreekt een reflectie in
Speech-to-text zet de opname om naar tekst
Een AI-agent controleert het verslag langs de 8 kwaliteitsdimensies
De adviseur reviewt het conceptverslag en keurt het goed of stuurt bij
Het definitieve verslag wordt vastgelegd in het interne systeem en het CRM
Met deze opzet blijft de adviseur eigenaar en wordt AI vooral gebruikt om te ondersteunen en de adviseur te versterken in diens specialiteit. Hierdoor daalde de rapportagetijd van 30 naar 15 minuten per gesprek. Bij volledige uitrol over alle adviseurs komt die halvering neer op een potentiële tijdsbesparing van 36.000 uur per jaar.
Dezelfde aanpak kan vervolgens op andere momenten in het proces worden toegepast. Zo wordt AI ook ingezet om adviseurs te ondersteunen bij de voorbereiding van gesprekken. Relevante informatie uit verschillende bronnen wordt bij elkaar gebracht, waarna de adviseur zelf controleert of de uitkomst klopt en relevant is. Zo groeit één toepassing stap voor stap uit tot ondersteuning over een groter deel van het werkproces.
Drie lessen voor je eigen organisatie
Begin bij het probleem, niet de tool. Welk probleem is het waard om op te lossen? Investeer tijd in die vraag voordat je naar techniek kijkt. Hoe eerder je het juiste probleem identificeert, hoe meer je bespaart aan het fixen later.
Bouw een totaaloplossing, geen losse pilots. Pilots leveren lokale waarde maar schalen zelden. Een modulaire architectuur zorgt dat elke nieuwe toepassing voortbouwt op wat er al staat: sneller live, tegen lagere kosten.
Betrek medewerkers vanaf het begin. Maak ze geen gebruikers van een systeem, maar mede-eigenaar van de oplossing. Dat is het verschil tussen een tool die niet wordt gebruikt en een werkwijze waar de hele organisatie profijt van heeft.
Zet je medewerkers in hun kracht
AI vervangt geen medewerkers. Het versterkt ze, mits je de juiste randvoorwaarden hebt gecreëerd: het goede probleem, de juiste context, en mensen die eigenaarschap voelen over de oplossing.
