Wat betekent AI-adoptie binnen een bedrijf nu eigenlijk?
Adoptie betekent dat AI onderdeel is geworden van de manier waarop specifieke taken worden uitgevoerd, door de mensen die ze uitvoeren, met een controle die de kwaliteit op peil houdt. Het gaat niet om gekochte licenties, getelde aanmeldingen of een verstuurde introductiemail. Een team waarin drie mensen dagelijks AI gebruiken voor goedgekeurde taken en de resultaten zorgvuldig controleren, is verder met de adoptie dan een team waarin iedereen zich één keer heeft aangemeld.
Het helpt om drie vragen uit elkaar te houden. Toegang: heeft iedereen een goedgekeurde tool en kent iedereen de regels? Gebruik: zetten mensen de tool in voor taken waarvoor die geschikt is? Kwaliteit: houdt het geleverde werk stand bij controle? Bij de meeste uitroltrajecten wordt de eerste vraag opgelost, de tweede globaal gemeten en de derde genegeerd.
Waarom gebruiken zo weinig mensen AI na de invoering?
Weinig gebruik na de invoering komt vaak voor en heeft alledaagse oorzaken: mensen zien niet bij welke taken AI hen helpt, de regels zijn onduidelijk waardoor ze de tool voor de zekerheid vermijden, een vroeg tegenvallend resultaat heeft hen ervan overtuigd dat het de moeite niet waard is, of ze hebben simpelweg nog geen tijd gehad om te oefenen. In het onderzoek naar AI-gebruik van de Britse overheid meldden bedrijven die al AI gebruikten dat gemiddeld 30% van hun medewerkers ermee werkte, en 77% gaf aan dat minder dan de helft van hun medewerkers dit deed. Uit hetzelfde onderzoek bleek dat de meest voorkomende redenen om AI helemaal niet in te voeren het ontbreken van een vastgestelde behoefte en beperkte AI-vaardigheden en -kennis waren. Dit zijn zelfgerapporteerde cijfers van 3,500 Britse bedrijven die begin 2025 zijn geïnterviewd.
Merk op dat geen van deze oorzaken wordt verholpen door een betere tool te kopen. Als er geen duidelijke behoefte is vastgesteld, ligt het probleem bij de taakselectie. Onduidelijke regels zijn een beleidsprobleem. Een slechte eerste ervaring is een probleem met training en verwachtingen. Elk probleem vraagt om een specifieke oplossing.
| Wat u ziet | Waarschijnlijke oorzaak | Wat u kunt proberen |
|---|---|---|
| Mensen logden één keer in en stopten daarna | Geen duidelijke taak om het voor te gebruiken | Geef elke rol twee of drie concreet benoemde taken met een voorbeeldprompt |
| Alleen in gebruik bij een paar enthousiastelingen | Anderen weten niet zeker wat is toegestaan | Een overzicht van de regels op één pagina, met voorbeelden uit hun eigen werk |
| 'Het verzint gewoon dingen' | De eerste resultaten werden zonder controle of context gebruikt | Leer hoe u context geeft en een korte controlelijst gebruikt |
| Veel gebruik, lage kwaliteit | Te sterke afhankelijkheid; controle wordt niet meer uitgevoerd | Controleer steekproeven en vraag mensen hun wijzigingen toe te lichten |
| Managers gebruiken het niet | Geen zichtbaar voorbeeldgedrag vanuit de leiding | Managers delen één taak waarvoor ze AI gebruiken en hoe ze het resultaat controleren |
Hoe ziet een praktische strategie voor de invoering van AI eruit?
Een praktische strategie voor een klein of middelgroot bedrijf is een reeks stappen, geen document: kies taken, stel regels vast, train op die taken, beoordeel echt werk en breid uit wat in de praktijk werkt. De onderstaande punten vormen een door de redactie opgesteld plan voor een team van 10 tot 200 mensen, geen gepubliceerde norm.
Kies eerst taken per functie
Vraag elke teamleider om twee of drie terugkerende taken waarbij AI een eerste concept kan maken dat iemand kan controleren. Dat zijn de doelen voor de invoering, niet 'meer AI gebruiken'.
Publiceer één pagina met regels
Goedgekeurde tool en abonnement, wat wel en niet mag worden ingevoerd, wie wat controleert en bij wie u terechtkunt met vragen. Kort genoeg om te onthouden.
Oefen met de taken die u hebt gekozen
Korte oefensessies met precies die taken werken beter dan een algemene cursus. Voeg een concepttekst met opzettelijke fouten toe om de controle te oefenen.
Zorg dat managers zichtbaar gebruikmaken van AI
Een leidinggevende die laat zien hoe die AI bij een echte taak heeft gebruikt en wat er is gecorrigeerd, bereikt meer dan welke aankondiging ook.
Beoordeel het werk, niet het aantal aanmeldingen
Bekijk na vier weken samen met de beoordelaar enkele resultaten per taak. Vraag wat mensen niet meer gebruiken en waarom.
Breid uit wat in de praktijk werkte
Voeg alleen taken of mensen toe waar de werkwijze goed werkt. Schrap taken waarbij de beoordelaar alles herschrijft.
Hoe houdt u rekening met de menselijke kant van verandermanagement bij AI?
Praat vroegtijdig en duidelijk over banen en betrek de mensen die het werk doen bij het kiezen van de taken. De zorgen van medewerkers zijn reëel: in een enquête van Acas onder 1,023 werknemers in Groot-Brittannië in het voorjaar van 2025 noemde 26% banenverlies als hun grootste zorg over AI op het werk, en 17% noemde fouten door AI. Acas adviseert werkgevers om medewerkers en hun vertegenwoordigers te raadplegen voordat ze AI invoeren en uit te leggen hoe AI functies kan verbeteren, terwijl menselijke betrokkenheid nodig blijft.
Geef aan wat wel en niet verandert. Als er bij de invoering geen functies verdwijnen, zeg dat dan. Als bepaalde taken veranderen, geef dan aan welke en hoe. Geef mensen vervolgens ruimte om praktische zorgen te uiten, bijvoorbeeld over de vertrouwelijkheid van klantgegevens of nauwkeurigheid, en vertaal terechte zorgen naar regels. Mensen nemen hulpmiddelen waaraan ze zelf hebben bijgedragen veel gemakkelijker in gebruik dan hulpmiddelen die alleen worden aangekondigd.
Wilt u zien hoe dit aansluit op een functie?
Bekijk de geplande proefperiode voor teams ↗Hoe krijgt u een vastgelopen uitrol weer op gang?
Pellow Analytics, een fictief softwarebedrijf met 60 medewerkers, kocht voor iedereen een gebruikerslicentie voor het zakelijke abonnement van een AI-assistent. Zes weken later laat de beheeromgeving zien dat de meeste mensen in de introductieweek hebben ingelogd en dat slechts een handjevol de tool wekelijks gebruikt, vooral bij softwareontwikkeling en marketing. De operationeel directeur wil in eerste instantie een herinneringsmail sturen. In plaats daarvan vraagt ze drie teamleiders naar de reden.
De antwoorden zijn concreet. Het klantensuccesteam wist niet of het e-mails van klanten mocht plakken (op het regelblad stond 'geen vertrouwelijke gegevens', zonder voorbeelden). De financiële afdeling probeerde het één keer voor een verklaring van een afwijking, kreeg een verzonnen oorzaak en haakte af. Het verkoopteam dacht dat het 'voor marketing' was. De oplossingen zijn net zo concreet. Het klantensuccesteam krijgt een regel: plak de e-mailtekst en vervang de naam en het bedrijf van de klant door invulvelden. De financiële afdeling krijgt een taak met een prompt die zegt 'beschrijf de verandering in de cijfers; noem geen oorzaak tenzij die in de door mij aangeleverde notities staat' en een controle: bereken elk getal opnieuw. Het verkoopteam krijgt twee specifieke taken: gespreksnotities opschonen en op basis daarvan concepten voor opvolgberichten maken.
Elke teamleider houdt één oefensessie van 30 minuten rond de taken van het eigen team. Vier weken later bekijkt de operationeel directeur samen met de teamleider vijf resultaten per team, niet de inloggrafiek. Twee taken werken goed, één heeft een betere prompt nodig en één — e-mails opstellen over prijzen bij verlenging — wordt geschrapt omdat de beoordelaar elk concept moest herschrijven. Dat is adoptie: minder, betere routines die mensen daadwerkelijk gebruiken.
Wat zijn de fasen van AI-invoering?
Er bestaat geen algemeen aanvaard fasenmodel; adviesbureaus en leveranciers publiceren verschillende modellen. Voor een klein of middelgroot bedrijf is een bruikbare werkindeling die in vier fasen: uitproberen (medewerkers experimenteren, vaak met persoonlijke accounts), goedgekeurd (één tool, een zakelijk abonnement en schriftelijke regels), routine (specifieke taken met prompts en controles worden wekelijks uitgevoerd door de verantwoordelijke medewerkers) en verbeteren (het bedrijf beoordeelt de uitvoer, stopt met zwakke werkprocessen en voegt bewust nieuwe toe). Dit is een redactionele beschrijving, geen gepubliceerd raamwerk.
De belangrijke overgang is die van goedgekeurd naar dagelijks gebruik. Veel bedrijven blijven steken bij goedgekeurd: ze hebben de licenties en het beleid en vragen zich af waarom er weinig is veranderd. Voor dagelijks gebruik zijn taakselectie, oefening en controle nodig. Dat is het werk dat deze pagina beschrijft.
Op welke signalen moet een manager letten?
Volg de kwaliteit van het werk en het herhaald gebruik voor specifieke taken, niet het totale aantal aanmeldingen. Nuttige signalen zijn: hoeveel goedgekeurde taken elke week volgens de bedoeling worden uitgevoerd, hoeveel de beoordelaar corrigeert, of fouten worden ontdekt voordat ze buiten het team terechtkomen, en of mensen kunnen uitleggen wat ze in een concept hebben gewijzigd. Aanmeldingen zeggen iets over toegang, maar weinig over de vraag of het werk beter wordt.
Wees voorzichtig met zelfgerapporteerde verbeteringen. Mensen die een tool prettig vinden, overschatten vaak de tijdwinst; mensen die er niet van houden, onderschatten die vaak. Enkele voorbeelden van dezelfde taak van vóór en na, beoordeeld door dezelfde persoon, leveren beter bewijs. Ons antwoord op de vraag hoe u meet of een AI-training heeft gewerkt, gaat hier verder op in.
Wanneer is het stimuleren van gebruik het verkeerde doel?
AI-gebruik stimuleren is het verkeerde doel als de taken niet geschikt zijn voor AI, als niemand het resultaat kan controleren of als het echte probleem van het team de werkdruk of het werkproces is. Een doel als 'iedereen gebruikt dagelijks AI' beloont gebruik om het gebruik en kan mensen aanzetten tot taken waarbij AI risico toevoegt zonder waarde te bieden. Het is prima als mensen in sommige functies AI zelden gebruiken.
Het is ook het verkeerde doel als de regels nog niet vaststaan. Gebruik stimuleren voordat mensen weten wat ze mogen delen, lokt precies de fouten met gegevens uit waardoor de directie de tool weer afschaft.
Welke plaats heeft Tosheo.ai bij de invoering van AI?
Tosheo.ai wordt ontwikkeld voor het oefengedeelte van de invoering van AI. Het plan voor de introductie is dat een manager rollen en de gebruikte AI-tools kiest. Iedereen doet een niveautoets van 5 minuten en volgt daarna lessen van 10 tot 15 minuten die eindigen met een praktische opdracht in een echte AI-tool, beoordeeld aan de hand van zichtbare beoordelingscriteria. Het geplande managerdashboard toont de ontwikkeling van vaardigheden en afgeronde lessen, nooit volledige chatgeschiedenissen. Het platform zal volgens plan herinneringen sturen naar inactieve deelnemers en een wekelijkse samenvatting naar de manager.
Het is nog niet gebouwd, dus er zijn geen resultaten over het gebruik om te laten zien. Het is niet de juiste oplossing als uw regels nog niet vaststaan of uw team geen taken heeft die geschikt zijn voor AI; pak dat eerst aan met de bovenstaande stappen. De geplande prijzen staan op de prijzenpagina.
Bronnen en reikwijdte
GOV.UK, publicatiepagina onderzoek naar AI-gebruik, herzien February 2026 ↗
Acas, 1 op de 4 werknemers maakt zich zorgen dat AI tot banenverlies zal leiden, 28 april 2025 ↗
Acas, Een derde van de werkgevers denkt dat AI de productiviteit zal verhogen, 15 mei 2025 ↗