Hoe voer je AI écht in binnen je organisatie? Ik begeleid je van de eerste stap tot een werkwijze die je team zelf draagt — strategie, kaders, adoptie en opleiding inbegrepen.
AI is je organisatie binnengekomen zonder dat iemand het besliste. Nu gebruikt iedereen iets, weet niemand van elkaar wat, en telt het samen nergens op.
Een collega laat een chatbot offertes schrijven. Een andere afdeling betaalt een tool die niemand kent. Er loopt een pilot die stilviel toen de enthousiasteling van project wisselde. En de directie vraagt zich af waarom er van al die beloofde tijdswinst nog niets te merken is.
Dat is geen gebrek aan wil. Het is een gebrek aan richting. De vier vragen hieronder zijn de vragen die ik het vaakst krijg — en samen vormen ze het pad van chaos naar impact.
De meeste organisaties starten verkeerd: ze kiezen eerst een tool en zoeken daarna een probleem. Zo krijg je een licentie die niemand gebruikt. Starten doe je in de omgekeerde volgorde.
In elke organisatie gebruiken mensen al AI, alleen ongeorganiseerd. Dat in kaart brengen kost een paar weken en levert meteen het meeste op: je ziet waar de energie zit, waar het risico zit, en welke collega's al verder staan dan je dacht.
Neem een proces dat vaak terugkomt, veel tijd kost en weinig risico draagt. Offertes, verslagen, dossieropvolging, eerstelijnsvragen. Eén proces goed doen levert meer op dan vijf pilots die half blijven steken.
Iemand met mandaat die het draagt, ook als het even tegenzit. Zonder eigenaar verdwijnt elk initiatief zodra de eerste drukke week komt. Dat hoeft niet de meest technische persoon te zijn — wel de meest vasthoudende.
Je hoeft niet te weten welke technologie je nodig hebt om te starten. Je moet weten welk probleem je eerst wil oplossen. De rest volgt daaruit.
Vijf bouwstenen bepalen of AI bij jou blijft plakken of doodbloedt. Loop ze na en je weet meteen waar jouw zwakke schakel zit — dat is bijna nooit de technologie.
Iemand met mandaat aan zowel de business- als de IT-kant, die beslissingen kan nemen en de kar blijft trekken.
Niet perfecte data — vindbare data. AI kan weinig met informatie die verspreid zit over mailboxen, gedeelde schijven en het hoofd van één collega.
De meeste trajecten stranden niet op het model, maar op de brug naar het systeem waar het werk gebeurt. Dat hoeft geen groot IT-project te zijn, maar het moet wel vooraf bekeken worden.
Duidelijke afspraken over welke gegevens wel en niet in AI-tools mogen, welke tools toegelaten zijn en wie beslist. Kaders remmen niet af; ze maken snelheid mogelijk.
Niet iedereen hoeft expert te worden. Wel moet elk team weten wat AI goed kan, waar het faalt, en hoe je het resultaat controleert. Dat is aanleerbaar in dagdelen, niet in maanden.
Vier van de vijf bouwstenen gaan over organisatie en mensen. Daarom werkt een aanpak die alleen naar tools kijkt zelden — en daarom begin ik altijd met een scan in plaats van met software.
AI is geen doel. Het is een middel om iets te bereiken wat al in je plannen stond: sneller leveren, meer marge, minder fouten, werk aantrekkelijker maken. De vertaalslag van ambitie naar uitvoering is waar het meestal misloopt. Drie gesprekken die ik in de praktijk vaak hoor.
We moeten iets met AI doen, anders lopen we achter.
Achter op wie, en op welk punt precies?
Vertaling We vertrekken van je bestaande doelstellingen. Welke drie daarvan kan AI dit jaar meetbaar vooruithelpen? Die drie worden je AI-strategie. De rest is ruis.
Iedereen gebruikt toch al ChatGPT?
Precies. En niemand weet met welke bedrijfsgegevens.
Vertaling Schaduw-AI verbied je niet weg. We brengen in kaart wat er al gebruikt wordt, spreken af wat wel en niet mag, en geven mensen een veilig alternatief dat beter werkt dan wat ze stiekem deden.
Wat levert dit op?
Dat weten we pas als we het gebruiken.
Vertaling Beide hebben gelijk. Daarom spreken we vooraf één meetpunt af — uren, doorlooptijd, foutmarge of klanttevredenheid — en meten we dat vóór en na. Zonder nulmeting blijft elk resultaat een aanvoelen.
Een AI-strategie die los staat van je bedrijfsstrategie is geen strategie, maar een verlanglijstje. Het werk zit in het verbinden van de twee.
Elke nieuwe werkwijze kost in het begin méér tijd dan de oude. Dat is de dip. Wie daar geen begeleiding krijgt, valt terug op wat vertrouwd was — en dan blijft de tool betaald maar leeg. Adoptie is geen sluitstuk; het is het grootste deel van het werk.
Een boekhouder heeft andere voorbeelden nodig dan een verkoper. Ik werk met de echte taken van je mensen, niet met algemene demo's. In dagdelen, op de werkvloer, met hun eigen dossiers.
De weken na de opleiding zijn beslissend. Korte opvolgmomenten, een aanspreekpunt bij twijfel en zichtbaar bijsturen wanneer iets niet werkt. Dat is het verschil tussen een tool en een gewoonte.
In elk team zit iemand die het sneller oppikt. Die mensen leid ik extra op tot interne aanspreekpunten, zodat de kennis binnenshuis blijft en niet met mij mee de deur uitgaat.
Weerstand is zelden onwil. Meestal is het onduidelijkheid over wat er van iemand verwacht wordt, of angst om overbodig te worden. Beide zijn te adresseren — maar niet met een mail.
AI Masters is het begeleidingstraject waarin je organisatie de sprong maakt van losse experimenten naar een werkwijze die blijft staan. Vier fasen, één doel: aan het einde ben jij de eigenaar, niet ik.
We leggen bloot wat er echt gebeurt. Welke tools draaien er, wie gebruikt wat, waar zit risico en waar zit onbenutte winst.
We kiezen. Een geprioriteerde lijst van toepassingen, kaders rond data en privacy, en één traject om mee te beginnen.
We bouwen en leren tegelijk. De werkwijze wordt ingericht met de mensen die ermee werken, ondersteund door opleiding op maat.
We meten wat het oplevert, sturen bij, en dragen kennis en eigenaarschap over. Je hebt je eigen AI Masters in huis.
Het traject begint altijd met de AI-scan: een afgebakende doorlichting met een vaste scope, doorlooptijd en prijs. Na de scan beslis je pas of je verder wil. Geen open einde, geen verrassingen.
De ingang tot AI Masters. Een afgebakende doorlichting die zichtbaar maakt wat er vandaag echt gebeurt, waar AI in jouw organisatie waarde toevoegt, en waar de huidige initiatieven vastlopen.
Ik ga in gesprek met mensen uit alle lagen van de organisatie, van directie tot werkvloer — inclusief de collega's die AI al stilletjes gebruiken. Ik bekijk de processen, de beschikbare data en de initiatieven die al lopen, en toets wat technisch mogelijk is aan wat praktisch haalbaar is.
Een geprioriteerde lijst van concrete toepassingen, met per toepassing een inschatting van de verwachte opbrengst en de benodigde inspanning. Daarnaast een eerlijk beeld van waar je organisatie vandaag staat op de vijf bouwstenen, welke risico's er onder de radar lopen, en één eerste stap die volgende maand kan starten.
Een vaste scope, een vaste doorlooptijd en een vast tarief. Je weet vooraf precies waar je aan begint — en je zit nergens aan vast na afloop.
Elke dienst hangt aan een van de vier vragen. Welke stappen zinvol zijn, hangt af van waar je organisatie vandaag staat — dat bepalen we samen op basis van de scan.
Ik ben Liesbeth Enkels, de begeleider achter AI Masters. Ik werk op de brug tussen business en IT: ik begrijp waar een directie naartoe wil, ik weet wat dat technisch betekent, en ik kan beide partijen in hun eigen taal uitleggen wat er nodig is.
Die tweetaligheid is waar ik het verschil maak. In een stuurgroep vertaal ik ambitie naar haalbare stappen. Bij IT vertaal ik technische bezwaren naar iets waar de directie een beslissing op kan nemen. En op de werkvloer zorg ik dat wat er beslist wordt, ook echt werkbaar is.
Ik beweeg tussen directie, IT en werkvloer, en vertaal in alle richtingen.
Haalbare stappen met zichtbaar resultaat, boven omvangrijke plannen op lange termijn.
Kennis en eigenaarschap blijven achter bij het team, zodat de verandering standhoudt.
Een vrijblijvend kennismakingsgesprek van een half uur, waarin we samen bekijken waar jouw organisatie vandaag staat en welke eerste stap zinvol is.