De vraag "wat kunnen wij met AI doen?" levert zelden iets op — de vraag "welk werk doen we hier elke week opnieuw met de hand?" bijna altijd wél. De AI-markt groeit razendsnel en er zit veel loze belofte tussen. Wij bekijken samen met jou welke toepassingen vandaag echt werk uit handen nemen, en welke vooral indruk maken in een demo. Één use case tegelijk, met een eerlijk oordeel op het einde — ook wanneer dat oordeel "laat maar" is.
Begin bij één taak die elke week terugkomt
Een goede eerste toepassing herken je aan drie dingen. Ze komt regelmatig terug, er gaat tekst in en er komt tekst uit, en iemand kan in een halve minuut beoordelen of het resultaat klopt. Denk aan het verslag van een werfvergadering, de vijftigste variant van dezelfde offertetekst, een lange mailthread waar de gemaakte afspraken uit moeten, of de leveringsbon die iemand met de hand overtikt in de administratie.
Dat derde punt is het belangrijkste, en het wordt het vaakst vergeten. Werk waarvan niemand snel kan zien of het juist is, is geen goede kandidaat — niet omdat het model het niet aankan, maar omdat je de fouten dan pas ontdekt wanneer ze al bij je klant liggen. We beginnen dus bij werk dat zichtbaar is, niet bij het werk dat het meest indruk maakt op een vergadering.
Waar AI vandaag betrouwbaar in is
Taal is waar deze modellen sterk in zijn, zolang jij het materiaal aanlevert en iemand het resultaat nakijkt:
- Samenvatten en structureren — van een vergadering, een mailthread of een lang document dat je zelf meegeeft;
- Herschrijven — dezelfde inhoud korter, formeler, of in begrijpelijke taal voor een klant;
- Vertalen — ruim voldoende voor interne communicatie; voor een contract laat je nog altijd een mens nalezen;
- Terugvinden — een antwoord zoeken in je eigen handleidingen, offertes of procedures, met verwijzing naar het document waar het uit komt;
- Transcriberen — gesproken tekst omzetten naar leesbare tekst, bijvoorbeeld voicemails en opgenomen gesprekken in je telefooncentrale.
Wat die vijf gemeen hebben: het model verzint niets nieuws, het bewerkt iets dat er al is. Dat is precies het terrein waar de techniek vandaag volwassen genoeg voor is.
En waar het vandaag nog misloopt
Een taalmodel voorspelt tekst, het weet niet wat waar is. Vraag je iets waarvan het antwoord niet in je materiaal zit, dan krijg je toch een antwoord — vlot geformuleerd, met dezelfde stelligheid als een juist antwoord. Dat is geen bug die volgende maand gefixt raakt, dat is hoe de technologie werkt. Reken er dus niet op voor cijfers en berekeningen, voor juridische of boekhoudkundige exactheid, of voor bronnen en referenties die je niet zelf kan natrekken.
Twee dingen die in een demo nooit aan bod komen. Een model kent jouw systemen niet, tenzij je het er expliciet aan koppelt: het weet niet wat er in je voorraad ligt of wat je vorige week met die klant afsprak. En dezelfde vraag levert twee keer een licht ander antwoord op — voor een tekst is dat prima, voor een proces waar telkens exact hetzelfde uit moet komen, niet.
Wie verantwoordelijk blijft voor wat eruit komt
Kort gezegd: jij. Wat je bedrijf verstuurt, blijft van je bedrijf, of er nu een model aan te pas kwam of niet. "De AI heeft dat geschreven" is geen antwoord dat je aan een klant geeft, en al zeker niet aan je boekhouder.
Daarom leggen we bij elke toepassing vast wie nakijkt vóór er iets naar buiten gaat, en waar de grens ligt. Onze eigen vuistregel: beslissingen over mensen — aanwervingen, evaluaties, wie welke hulp krijgt — laat je niet door een model nemen, hoe overtuigend het ook klinkt. De wetgeving is op dit terrein de realiteit aan het inhalen: de regels evolueren snel, en stellige uitspraken erover horen niet thuis op een dienstenpagina. Wat we wél doen, is erop letten dat alles wat we met AI opzetten binnen de bestaande wetgeving blijft.
Copilot in de omgeving die je al hebt
Werk je met Microsoft 365, dan is Copilot meestal het nuchterste vertrekpunt: het zit in de apps waar je mensen toch al in werken, dus er komt geen aparte omgeving bij en niemand moet documenten elders naartoe kopiëren. We bekijken welke licenties je vandaag hebt, wat een uitrol vraagt en voor wie hij zinvol is — niet iedereen in je team heeft er evenveel aan, en dat zeggen we ook.
Eén waarschuwing die je zelden hoort: een assistent die in je documenten mag zoeken, legt meteen bloot hoe je toegangsrechten ervoor staan. Staat er in SharePoint een map open voor iedereen die daar niets te zoeken heeft, dan vónd niemand die map vroeger — en vindt de assistent hem nu wel. Wij ruimen dat eerst op, samen met de rest van je Microsoft 365-omgeving. Een goede AI-uitrol begint dus bij saai huishoudwerk, niet bij een demo.
Eigen assistenten en documentstromen
Soms volstaat een standaardtool niet en bouwen we iets. Een assistent die enkel op jóúw documenten antwoordt — productfiches, handleidingen, procedures — zodat een nieuwe collega niet telkens een ervaren collega moet storen. Of een documentstroom die binnenkomende pdf's uitleest en de gegevens klaarzet in je administratie, met een scherm waar iemand ze in twee tellen bevestigt of corrigeert.
Dat is geen AI-project, dat is gewoon development met een model erin. Dezelfde aanpak, dezelfde regels: klein bouwen, de controle van een mens er expliciet in zetten, en koppelen aan de systemen waar je al mee werkt — je administratie, je webshop of je kassasysteem. Welk model er dan onder draait, Copilot, OpenAI of Claude, is een keuze per toepassing en geen geloofskwestie.
Waar je gegevens terechtkomen, bepaal jij
Dat is de vraag die elke zaakvoerder terecht stelt, en het antwoord begint bij een keuze die van jou is. Jij bepaalt waar je data heen stroomt. Je behoudt volledige controle. Jij beslist welke gegevens in welke tool terechtkomen en wat er sowieso buiten blijft; wij zetten op wat jij gekozen hebt. Wat een aanbieder met je invoer mag doen, verschilt trouwens sterk per tool en per abonnement — een gratis consumentenaccount is iets anders dan een zakelijke omgeving.
Minstens even belangrijk is wat je intern afspreekt. Zonder afspraken plakt vroeg of laat iemand een klantenlijst of een contract in een gratis tool die niemand beheert — dan ligt de keuze niet meer bij jou, maar bij wie die dag haast had. Wij zetten de toegang op via je beheerde accounts met multifactorauthenticatie, zodat AI-tools onder hetzelfde werkplekbeheer vallen als de rest van je omgeving. Beloven dat er nooit iets je huis verlaat, doen we niet: dat hangt af van de tools die je toelaat. En welke dat zijn, bepaal jij.
Aan de andere kant van de lijn zit ook AI
Hetzelfde gereedschap dat jouw offertes vlotter laat lezen, maakt ook phishingmails vlotter. De kromme zinnen en spelfouten waaraan je zo'n mail vroeger herkende, zijn geen betrouwbaar signaal meer. Je mensen trainen weegt daardoor zwaarder door dan een filter nog strakker afstellen.
Daarvoor doen we phishingsimulaties: we sturen zelf realistische testmails naar je team en zien wie erop klikt. Niet om iemand te betrappen — wél om te weten waar de opleiding moet zitten, en om het gesprek erover concreet te maken in plaats van vaag. Dat sluit aan op de beveiliging die al in je werkplekbeheer zit.
Een pilot van twee weken
We starten klein: één use case, een handvol gebruikers, twee weken, met een vaste begin- en einddatum. Vooraf spreken we af waar we naar kijken — gebruiken je mensen het effectief, klopt wat eruit komt, scheelt het werk — zodat het oordeel achteraf over vaststellingen gaat en niet over gevoel.
Op het einde staan er drie uitkomsten open: uitrollen, bijsturen en opnieuw proberen, of stoppen. Stoppen is een geldige uitkomst, en het gebeurt. Liever twee weken die niets opleverden dan een abonnement dat jaren op je factuur blijft staan terwijl niemand het nog opent — we installeren geen AI om AI geïnstalleerd te hebben.
Daarna: beheer, en mensen die ermee kunnen werken
Wat blijft draaien, nemen we mee in beheer: licenties, toegangen, instellingen, en de vraag of iets nog gebruikt wordt. Dat laatste is in dit domein geen detail. Tools veranderen hier sneller dan elders, en wat zes maanden geleden de beste keuze was, is dat vandaag niet noodzakelijk nog.
De grootste winst zit trouwens zelden in de tool en bijna altijd in de mensen. Wie leert hoe hij zijn vraag scherp stelt, welk materiaal hij meegeeft en vooral wannéér hij het antwoord niet mag vertrouwen, haalt er in een half uur uitleg meer uit dan een collega met hetzelfde abonnement en geen uitleg. Die uitleg hoort er bij ons gewoon bij, net als bij elke andere dienst die we beheren.
Benieuwd hoe we bij andere KMO's te werk gaan? Bij onze realisaties zie je wat we voor hen bouwden en vandaag mee beheren.