Hoe krijg je je team mee als je AI implementeert in je bedrijf?

Over AI implementeren in je bedrijf lees je vooral verhalen over tools en techniek, terwijl het slagen ervan meestal van iets anders afhangt. Het gaat erom of de mensen die er dagelijks mee werken er echt mee willen werken. Je krijgt je team mee door te beginnen bij het werk dat zij zelf het minst graag doen, want daar zien ze het verschil meteen. Laat ze vanaf de eerste dag meedenken over hoe dat werk in elkaar zit. Laat daarna met één proces zien dat het werkt en maak duidelijk dat zij de controle houden.

Met AI implementeren bedoelen we hier niet dat iedereen een account voor een chattool krijgt. We bedoelen dat je een deel van het werk laat overnemen in de systemen die je al gebruikt, zoals het uitlezen van inkoopfacturen of het klaarzetten van een rapport. Omdat dat verandert hoe je collega’s hun werk doen, is AI-adoptie vooral een vraag over mensen en pas daarna een vraag over technologie.

Waarom AI implementeren in je bedrijf vaak bij de mensen vastloopt

De meeste ondernemers die bij ons aankloppen twijfelen niet aan het nut van automatisering. Wat een implementatie vertraagt zit bijna altijd bij de mensen en de tijd die ze hebben. Daarbij zien we drie redenen steeds terugkomen.

Zorg om het eigen werk

De eerste reden is dat je medewerkers zich afvragen wat er van hun baan overblijft. Als je collega al jaren de facturen boekt en precies weet welke leverancier bij welk grootboek hoort, ziet die in AI al snel een vervanger van die kennis. Die zorg verdwijnt niet met een presentatie over innovatie, maar pas als je laat zien welk deel van het werk wordt overgenomen en welk deel blijft. Bij ons gaat het nooit om het weghalen van mensen. We willen dat je bedrijf kan groeien zonder dat er voor elk extra project iemand bij moet.

Niemand heeft tijd om het proces uit te schrijven

De tweede reden is tijd. Om een proces te automatiseren moet het eerst worden uitgelegd met alle uitzonderingen erbij, terwijl juist de collega’s die dat kunnen het vaak het drukst hebben. Daarom brengen we het proces samen met hen in kaart, zodat het niet als extra klus op hun agenda belandt.

Losse tools zonder afspraken

De derde reden is dat er vaak al iets gebeurt zonder dat het is afgesproken. Misschien laat een collega mails herschrijven door ChatGPT of Microsoft Copilot en probeert een ander een koppeling te bouwen in een gratis tool. Zolang niemand heeft vastgelegd welke gegevens erin mogen, weet je niet meer waar je klantgegevens terechtkomen. Dat noemen we shadow AI, maar het laat ook zien dat je team er klaar voor is zodra iemand de richting bepaalt.

Begin bij het werk dat niemand graag doet

Je overtuigt je team het snelst met een eerste toepassing die hen verlost van werk waar ze zelf een hekel aan hebben. Denk aan werkbonnen overtypen, inkoopfacturen uitzoeken, steeds dezelfde vragen beantwoorden bij de klantenservice of rapporten samenstellen uit foto’s en aantekeningen. Bij al dat werk gaan gegevens van de ene plek naar de andere, waardoor een fout vaak pas weken later opvalt in de planning of de facturatie.

Bij Visser Elektrotechniek ging het om inspectierapporten, die op kantoor met de gegevens van de monteurs in een vast format werden gezet. Dat kostte twintig minuten per rapport bij 280 rapporten per jaar. Nu de rapporten automatisch klaarstaan, komt er 93 uur per jaar vrij bij Visser. Voor de collega’s die de rapporten maakten voelde dat niet als een bedreiging, want niemand miste het werk dat verdween.

Kies daarom niet het proces dat technisch het interessantst is, maar het proces waar je team het meest over klaagt en waarvan je de tijdwinst kunt tellen. Dat wordt je eerste use case en meteen het verhaal dat collega’s daarna aan elkaar vertellen.

Laat de mensen die het werk doen het proces uitleggen

Hoe boek je een factuur van een leverancier die steeds een ander ordernummer gebruikt? Dat soort uitzonderingen staat nergens opgeschreven, maar je collega die al tien jaar de facturen boekt kent ze uit het hoofd. Die kennis heb je nodig om een automatisering goed te laten werken. Door ernaar te vragen maak je die collega bovendien eigenaar van de verandering.

Daarom stellen we onze vragen eerst aan de mensen die het werk dagelijks doen. Welke leveranciers sturen een pdf en welke een foto, wat doe je als er een ordernummer ontbreekt en wanneer bel je iemand na? Met die antwoorden bouwen we op de echte praktijk en niet op een schema van het management.

Dat helpt ook als er iemand vertrekt. Stel dat je ervaren collega een rapport in twintig minuten maakt en een nieuwe collega daar de eerste weken een uur over doet. Zolang de kennis in één hoofd zit ligt het werk stil bij ziekte of vertrek, terwijl die kennis na de implementatie in de inrichting van het proces zit.

Eén proces eerst, en pas daarna de rest

Als je team in één keer vijf veranderingen moet verwerken, haakt het af. De bedrijven waar we mee werken beginnen daarom bijna altijd met één proces en gaan pas verder als dat bewezen werkt.

Dat bewijs leveren we met een proof of concept op je eigen documenten. Je team ziet dan aan facturen, bonnen of aanvragen die ze zelf kennen wat er wordt herkend en waar nog twijfel zit. Zo’n eerste versie staat er meestal binnen twee weken en de livegang volgt doorgaans binnen twee maanden. Omdat het om hun eigen documenten gaat, kunnen je mensen zelf beoordelen of het klopt. Dat overtuigt meer dan elk verhaal over wat AI in theorie kan.

Pas als dat eerste proces draait, kijk je samen welk proces daarna het meeste oplevert. Lees meer over hoe wij te werk gaan in onze werkwijze!

Je team houdt de controle

Je medewerkers accepteren een automatisering sneller als ze weten dat zij het laatste woord hebben. Daarom spreken we vooraf af hoeveel er zelfstandig mag gebeuren. Dat bouw je in drie stappen op.

In het begin komt alles als concept bij een medewerker die het controleert en goedkeurt. Gaat dat een tijd goed, dan is er alleen nog goedkeuring nodig bij afwijkingen. Denk aan een factuur die niet bij de bestelling past of een bedrag boven een grens die jullie zelf kiezen. Volledig zelfstandig werken is de laatste stap en die zet je pas als je team daar zelf aan toe is.

Zo werkt human in the loop in de praktijk. Je collega’s krijgen de ruimte om te wennen, terwijl fouten bij een mens terechtkomen voordat ze bij een klant of in de boekhouding belanden.

Wat er verandert in het werk van je medewerkers

Na de implementatie verschuift het werk van je team van invoeren naar beoordelen. In plaats van elke factuur over te typen kijken ze alleen nog naar de facturen die afwijken, waar juist hun vakkennis voor nodig is.

Dat vraagt wel iets van je mensen, want ze moeten leren herkennen wanneer er iets is gemist en weten wat ze dan doen. Die kennis is ook wat de Europese AI-verordening bedoelt met AI-geletterdheid, een van de eisen die de wet stelt aan bedrijven die AI gebruiken.

Maak afspraken over gegevens en veiligheid

Je collega’s willen terecht weten wat er met de klantgegevens gebeurt voordat ze ermee werken, want privacy en compliance zijn ook hun verantwoordelijkheid. Bij een automatisering op je eigen systemen blijven de gegevens in een omgeving waar jullie zelf controle over hebben. Waar ze worden verwerkt en wie er toegang toe heeft spreken we vooraf af, met de AVG als onderdeel van die afspraken.

Voor de losse chattools die je team daarnaast gebruikt, helpt een korte afspraak over AI-governance al veel. Leg bijvoorbeeld vast welke gegevens er wel en niet in mogen en welke tools zijn toegestaan.

Lees meer over de valkuilen bij het automatiseren van processen.

Ontdek waar jouw organisatie staat

Wil je weten welk proces bij jou het beste startpunt is en hoe ver je organisatie al is? Doe dan de gratis AI-scan. Die brengt de AI-readiness van je bedrijf in kaart en laat zien waar de meeste tijd naartoe gaat.

Veelgestelde vragen