AI implementeren zonder oog voor de bredere context is als een glanzend puzzelstuk proberen te passen in een plaatje dat niet meer klopt. Hoe mooi het stuk ook is, het wringt. Je kunt bijschaven of forceren wat je wilt — maar de puzzel raakt uit balans.

Toch is dat precies wat we in de praktijk vaak zien. Organisaties starten enthousiast met AI, maar proberen het toe te voegen aan bestaande werkwijzen, zonder die werkwijzen zelf fundamenteel te herzien. Terwijl AI juist vraagt om een bredere benadering: het beïnvloedt niet alleen processen, maar ook rollen, gedrag en de organisatiecultuur.

Dat betekent dat het niet voldoende is om naar de technische mogelijkheden van AI te kijken. Organisaties moeten zich ook afvragen wat AI vraagt van hun manier van werken. Hoe zijn verantwoordelijkheden verdeeld? Hoe wordt samengewerkt? Is er voldoende vertrouwen en eigenaarschap? Alleen op een stevig fundament kan AI écht waarde toevoegen.

Als die veranderaanpak ontbreekt, dan zie je bijvoorbeeld dat:

• AI wordt toegevoegd aan bestaande processen, die worden niet herzien.
• Medewerkers worden laat betrokken en voelen geen eigenaarschap.
• Onzekerheid bij medewerkers groeit: "Wat betekent dit voor mijn rol?"
• Verwachtingen zijn hoog, maar resultaten blijven uit. Het oordeel volgt snel: AI werkt niet. Geloofwaardigheid daalt, draagvlak verdwijnt.

Zo verandert een veelbelovend initiatief al snel in een bron van frustratie — en hierdoor raakt de potentie van AI ondergesneeuwd in de dagelijkse praktijk.

"AI mag veel overnemen, maar is geen excuus om het denken uit te besteden."

Wat werkt dan wél?

Wil je dat AI wél landt en waarde toevoegt? Dan vraagt het om meer dan techniek. Het vraagt om een veranderaanpak. Onze ervaring is dat het valt of staat met onderstaande principes. Het zijn geen regels, maar inzichten die steeds weer het verschil maken.

Start met een analyse
Wat doen we nu? Waarom doen we het zo? En wat willen we eigenlijk met AI bereiken?

Betrek mensen vanaf het begin
Niet alleen de usual suspects, maar juist de mensen met nieuwsgierigheid, eigenaarschap, voelsprieten voor verandering. En niet onbelangrijk, de mensen die ermee moeten werken.

Stel de vraag: wat als het wél werkt?
Wat verandert er dan echt? En wat levert dat op — niet alleen in tijd of geld, maar ook in werkplezier, focus en ruimte voor ontwikkeling?

Bepaal het speelveld
Welke spelregels gelden er rond AI (praktisch, juridisch, ethisch)? Wie stuurt bij? Wie houdt toezicht?

Werk in pilots en leer cyclisch - zet AI in op één proces en zie hoe mensen reageren op de output
Test kleinschalig. Evalueer snel. Pas aan waar nodig. Zorg voor een 'human in the loop'. AI mag veel overnemen, maar is geen excuus om het denken uit te besteden. Juist bij AI is menselijke interpretatie onmisbaar: om nuances te herkennen, beslissingen te maken, en verantwoordelijkheid te blijven nemen.

AI voor contentcreatie: wat er misging en hoe het wél ging werken

Een organisatie wilde de tijd die het contentteam kwijt was aan het schrijven van content halveren, zonder in te leveren op kwaliteit. De oplossing leek eenvoudig: AI.

De demo was overtuigend: je voerde een prompt in, voegde bronmateriaal toe en kreeg razendsnel kant-en-klare content terug. Het enthousiasme was groot. Nu alleen nog de implementatie. Bob's your uncle, toch?

Maar in de praktijk liep het spaak.

• De gekozen functionaliteit was te beperkt. Prompts kon je niet opslaan of automatiseren.
  Word-bestanden werkten wel, maar PDF's en PowerPoints niet. In plaats van tijdswinst leverde het extra gedoe op.
• Bovendien vertrouwden medewerkers de AI-suggesties niet. Ze waren niet transparant, moesten continu gecontroleerd worden — wat vaak leidde tot meer werk in plaats van minder.
• Het werk zelf veranderde van creatie naar correctie. En daarmee verdween het werkplezier.
• De frustratie nam toe. Ondanks dat AI bepaalde handelingen zou overnemen, bleek handmatig werken sneller en betrouwbaarder, dus verdween de AI-oplossing alsnog langzaam naar de achtergrond.
• Wat begon als een belofte van tijdwinst en betere klantinteractie, eindigde in frustratie en vervreemding.

"Wat eerst voelde als AI opleggen van bovenaf, veranderde in een gedeeld ontwerp."

Het hele plaatje opnieuw leggen

Na de eerste evaluatie veranderde de aanpak: van een losse tool naar een samenhangende werkwijze met draagvlak. De nadruk verschoof van 'de tool implementeren' naar: hoe laten we AI goed landen in ons werk — op zo'n manier dat het ons echt helpt?

In samenwerking met het team werkten we stap voor stap aan een nieuwe werkwijze.

• We bepaalden welke content geschikt was voor AI — en welke niet. Q&A-teksten konden geautomatiseerd worden; werkinstructies bleven bij het team vanwege hun proceskennis én omdat het hen een stukje vrijheid gaf om die zelf te schrijven.
• Rollen werden opnieuw verdeeld: wie beheert de data, wie controleert de output, wie stuurt bij?
• Het team dacht actief mee en kreeg ruimte om zelf keuzes te maken. Wat eerst voelde als AI opleggen van bovenaf, veranderde in een gedeeld ontwerp.
• We concludeerden dat de bestaande software niet voldeed, stelden een businesscase op en schaften aanvullende functionaliteit aan.
• Samen scherpten we de prompts aan, waardoor de AI-output steeds beter aansloot bij de gewenste toon en stijl.

Zo werd AI wél van het team

Langzaam verschoof ook het gedrag in het team. Waar mensen eerder twijfelden aan AI en zich machteloos voelden bij de implementatie, ontstond nu ruimte. Ze kregen inzicht in hoe de tool werkte, leerden beter sturen op output — en zagen hun eigen rol terugkomen in het proces.

In plaats van alleen beoordelen wat AI had bedacht, gingen mensen weer meewerken aan de inhoud. Dat bracht niet alleen betere content, maar ook meer werkplezier. De sfeer veranderde: van frustratie en wantrouwen naar nieuwsgierigheid en eigenaarschap.

Door klein te beginnen, samen keuzes te maken en bij te sturen, groeide het vertrouwen — niet alleen in de technologie, maar ook in hoe die hen ondersteunde. AI werd niet langer iets dat werkplezier ondermijnde, maar ging vóór en mét hen werken. Dat maakte het verschil. En met die basis kwamen ook de resultaten:

• De tijd voor contentcreatie werd alsnog met 50% teruggebracht.
• Medewerkers deden weer waar ze goed in waren — mét plezier in hun werk.
• De content werd bruikbaarder, de klant- én medewerkerstevredenheid steeg.
• AI kreeg opnieuw een plek — niet als wondermiddel, maar als waardevolle partner in het werk.

"Organisaties moeten zich ook afvragen wat AI vraagt van hun manier van werken"

De les: AI is geen los puzzelstuk — het vraagt om een nieuw plaatje

AI veranderde niet. Maar de context eromheen wél. En pas toen viel het puzzelstuk op z'n plek. Niet door harder te duwen, maar door het grotere geheel te herzien. Door ruimte te maken voor de mensen die ermee moesten werken. En door te accepteren dat veranderen niet begint met een planning, maar met een gesprek — en een aanpak die je onderweg mag bijsturen.

Tot slot

We deelden waarom AI in de praktijk zo vaak strandt — en wat er nodig is om het wél te laten landen. Belangrijkste inzicht? AI slaagt niet op alleen technologie, maar op vertrouwen, eigenaarschap en de ruimte om samen te veranderen.

In ons volgende blog gaan we daar dieper op in. Over wat er gebeurt als je AI niet alleen ziet als tool, maar als aanleiding voor een ander gesprek over werk. Over ongemak, betekenis en de kracht van samen ontwerpen.

👉 Wil je weten hoe je dat aanpakt? Binnenkort lees je het in ons tweede blog.

💬 Heb jij ervaringen met AI-implementaties of verandering op de werkvloer die je met ons wil delen? We horen ze graag!