Ja. AI-gebruik op de werkvloer is niet langer vooral een zaak van programmeurs en IT-specialisten. Commerciële en pedagogische functies gebruiken AI inmiddels intensiever dan ICT. De belangrijke vraag voor organisaties is daardoor niet alleen welke technologie zij kiezen, maar vooral hoe zij werk, vaardigheden en verantwoordelijkheid opnieuw inrichten.
De verschuiving blijkt uit het onderzoek AI in Nederland 2026 van Peil.nl en tech-watcher Vincent Everts, uitgevoerd onder circa 6.000 Nederlanders. Volgens de berichtgeving van Computable gebruikt 81% van de mensen in commerciële functies AI intensief. In pedagogische functies is dat 77%, in management 75% en in creatief en taalkundig werk eveneens 75%. ICT komt uit op 63%.
Dat ICT niet bovenaan staat, betekent niet dat de sector achterblijft. ICT-professionals begonnen juist eerder: het aandeel intensieve gebruikers groeide daar van 53% naar 63%. Andere beroepsgroepen maken nu een inhaalslag. AI verschuift daarmee van specialistische technologie naar een algemeen hulpmiddel voor het dagelijkse werk.
Wat zeggen de cijfers over AI-gebruik in Nederland?
De groei is in korte tijd opvallend. In januari 2024 zei 55% van de Nederlanders nooit AI te gebruiken. In september 2026 is dat aandeel volgens AI in Nederland 2026 gedaald naar 28%. Tegelijk steeg het aandeel intensieve gebruikers, mensen die AI meerdere keren per week of dagelijks gebruiken, van 8% naar 45%.
Ook de toepassingen worden breder. Van de regelmatige gebruikers zet 63% AI in als alternatief voor een zoekmachine. De helft gebruikt AI om eigen teksten te verbeteren. Daarnaast gebruikt 35% AI om teksten samen te vatten en 35% om teksten te laten maken.
Die cijfers vragen om nuance. Gebruik zegt nog niets over kwaliteit, veiligheid of structurele waarde. Wie AI inzet om informatie te zoeken of een eerste versie van een tekst te maken, gebruikt iets anders dan een organisatie die AI koppelt aan klantgegevens, processen of besluitvorming. Toch is de richting helder: AI is voor veel werkenden geen uitzonderlijk experiment meer.
Waarom lopen commerciële en pedagogische functies voorop?
De beroepen met het hoogste intensieve gebruik delen een belangrijk kenmerk: veel werk draait om informatie verwerken, uitleg geven, communiceren, voorbereiden en aanpassen aan een specifieke situatie. Juist daarbij kan generatieve AI direct ondersteunen.
Commercie: sneller voorbereiden, maar de relatie blijft mensenwerk
In commerciële functies kan AI helpen bij het voorbereiden van klantgesprekken, het structureren van klantinformatie, het maken van eerste voorstellen en het verbeteren van communicatie. Dat verklaart waarom de technologie hier snel landt.
Maar een goed commercieel gesprek is meer dan een overtuigende tekst. Een accountmanager moet de situatie van een klant begrijpen, een belofte kunnen waarmaken en afwegen wat passend is. AI kan voorbereiding versnellen. De mens blijft verantwoordelijk voor inhoud, relatie en afspraak.
Onderwijs: meer ruimte voor maatwerk, mits de docent de regie houdt
Voor docenten en andere pedagogische professionals kan AI helpen bij lesvoorbereiding, differentiatie, het ontwikkelen van oefenmateriaal en het samenvatten van informatie. Dat biedt kansen om tijd vrij te maken voor begeleiding en persoonlijk contact.
Tegelijk vraagt onderwijs om extra zorgvuldigheid. Leerlingen en studenten verschillen in voorkennis, taalvaardigheid en ondersteuningsbehoefte. AI-uitkomsten moeten daarom altijd worden beoordeeld op juistheid, toegankelijkheid en didactische waarde. Persoonsgegevens en leerresultaten horen bovendien niet zonder duidelijke afspraken in willekeurige AI-tools terecht te komen.
Creatief en taalkundig werk: AI levert een begin, geen eindredactie
Tekst, beeldideeën en formats zijn snel te genereren. Daardoor ligt de drempel om AI te gebruiken laag. Maar snelheid is geen kwaliteitsgarantie. Een professionele gebruiker controleert feiten, bronnen, auteursrechtelijke risico's, toon en context.
AI kan het blanco scherm wegnemen. Het menselijke werk verschuift dan naar redactie, onderscheidend vermogen en de vraag wat een boodschap werkelijk moet bereiken.
Wat verandert er voor ICT?
De verschuiving betekent niet dat ICT minder belangrijk wordt. Integendeel: wanneer AI op grote schaal buiten de IT-afdeling wordt gebruikt, groeit de behoefte aan een goed technisch en organisatorisch fundament.
ICT krijgt er een bredere opdracht bij:
veilige toegang tot AI-tools en data organiseren;
integraties, identiteitsbeheer en informatiebeveiliging bewaken;
duidelijke kaders bieden voor het gebruik van persoonsgegevens en bedrijfsinformatie;
medewerkers helpen begrijpen welke tools binnen de organisatie verantwoord zijn;
samen met proceseigenaren bepalen waar AI mag ondersteunen en waar menselijke controle nodig blijft.
Dat vraagt om een andere rol dan uitsluitend technologie leveren. ICT wordt een partner in het ontwerpen van betrouwbaar werk met AI. Dat lukt alleen wanneer IT, HR, juridische experts, leidinggevenden en de professionals op de werkvloer samen optrekken.
Betekent intensief gebruik ook hogere productiviteit?
Niet automatisch. Onder de meest intensieve AI-gebruikers verwacht 84% dat AI de eigen efficiëntie minstens kan verdubbelen. Daarnaast ziet 41% van de werkenden mogelijkheden om producten of diensten uit te breiden, verwacht 40% dat saai werk kan verdwijnen en noemt 38% kostenverlaging als kans.
Verwachtingen zijn echter geen gemeten resultaten. Een organisatie die productiviteitswinst wil aantonen, moet verder kijken dan het aantal AI-licenties of prompts. Meet bijvoorbeeld per toepassing:
hoeveel tijd de taak vóór en na invoering kost;
welke correcties nodig zijn;
of de kwaliteit voor klanten, leerlingen of collega's verbetert;
welke fouten of risico's optreden;
of medewerkers de toepassing daadwerkelijk willen en kunnen gebruiken.
Een snelle eerste versie kan waardevol zijn, maar alleen als controlewerk niet alle tijdwinst weer wegneemt. Daarom is het verstandig om klein te beginnen met een afgebakende taak en vooraf te bepalen wat een geslaagde toepassing is.
Waarom zijn vaardigheden en vertrouwen nu zo belangrijk?
Het onderzoek laat zien dat de samenleving AI niet eenduidig als kans of bedreiging ziet. 45% van de respondenten ziet beide kanten, 25% vooral kansen en 30% vooral bedreigingen. De verschillen naar opleiding en ervaring zijn groot: 39% van de WO-opgeleiden ziet AI vooral als kans, tegenover 12% van de laagopgeleiden. Bij laagopgeleiden ziet 52% AI juist vooral als bedreiging.
Die verschillen verdienen aandacht. Als AI in steeds meer beroepen een basisinstrument wordt, moet iedereen de kans krijgen om ermee te leren werken. AI-geletterdheid gaat daarbij niet alleen over goede prompts schrijven. Het gaat ook over weten:
welke informatie je wel en niet mag invoeren;
waarom een AI-antwoord overtuigend maar onjuist kan zijn;
wanneer broncontrole noodzakelijk is;
wie verantwoordelijk is voor een beslissing;
wanneer je moet stoppen en een deskundige moet inschakelen.
Wie medewerkers alleen toegang geeft tot een tool, laat hen met deze vragen alleen. Wie oefent met echte werksituaties, duidelijke grenzen stelt en ruimte maakt voor kritische vragen, bouwt aan passend vertrouwen.
Hoe kunnen organisaties AI verantwoord inbedden?
De snelste route naar duurzame AI-adoptie begint niet met een brede uitrol, maar met een concreet werkprobleem. Kies een taak die veel tijd kost, goed af te bakenen is en waar een fout niet direct grote gevolgen heeft. Denk aan het samenvatten van interne documenten, het voorbereiden van een klantbrief of het structureren van veelgestelde vragen.
Leg vervolgens vooraf vast wat AI doet en wat de professional doet.
Onderdeel
AI kan ondersteunen bij
De mens blijft verantwoordelijk voor
Informatie verwerken
samenvatten, ordenen, vergelijken
broncontrole, context en volledigheid
Communicatie voorbereiden
eerste opzet, alternatieve formuleringen
feiten, toon, goedkeuring en verzending
Analyse
patronen en aandachtspunten signaleren
interpretatie, besluit en opvolging
Proceswerk
standaardstappen voorbereiden
uitzonderingen, toestemming en herstel
Wijs daarnaast per toepassing een eigenaar aan. Die eigenaar bewaakt het doel, de kwaliteit, de spelregels en de route voor vragen of incidenten. Zo blijft verantwoordelijkheid niet hangen bij de individuele medewerker die toevallig de AI-uitkomst gebruikt.
Voor toepassingen met grotere gevolgen, bijvoorbeeld rond selectie, beoordeling, onderwijsresultaten, krediet of zorg, zijn zwaardere waarborgen nodig. De EU AI Act hanteert daarvoor een risicogestuurde benadering. Organisaties doen er goed aan om vroeg te beoordelen welke regels, documentatie, menselijke controle en transparantie voor hun toepassing relevant zijn.
De kern: AI op de werkvloer is een organisatievraagstuk
De cijfers uit AI in Nederland 2026 laten zien hoe snel AI zich buiten de traditionele ICT-domeinen verspreidt. Commercie, onderwijs, management en creatief werk gebruiken AI inmiddels intensief. Dat biedt kansen om kennis toegankelijker te maken, voorbereiding te versnellen en repetitief werk anders in te richten.
Maar de opbrengst ontstaat niet vanzelf. Organisaties moeten investeren in vaardigheden, veilige randvoorwaarden, betrouwbare data en heldere verantwoordelijkheid. Het gesprek gaat dus niet alleen over welke taken AI kan uitvoeren. Het gaat over welk werk beter wordt, welke menselijke kwaliteiten belangrijker worden en hoe we zorgen dat de voordelen van AI voor meer mensen bereikbaar zijn.
BRAIN Nederland ziet daarin een gezamenlijke opdracht voor de Nederlandse AI-sector. Niet alleen nieuwe toepassingen ontwikkelen, maar ook helpen om ze professioneel, begrijpelijk en verantwoord onderdeel van het werk te maken.
Werknemers negeren AI-adviezen niet per se omdat zij tegen AI zijn. Vaak ontbreekt de context om een aanbeveling goed te beoordelen: duidelijke spelregels, een eigenaar bij fouten, ruimte om te oefenen en een werkproces waarin menselijk oordeel vanzelfsprekend is. Wie AI wil laten bijdragen aan beter werk, moet daarom niet alleen een tool uitrollen, maar ook de manier van werken eromheen ontwerpen.
Volgens het People & AI-onderzoek 2026 van Eraneos negeert 83% van de Nederlandse respondenten minstens 40% van de AI-aanbevelingen die zij krijgen. Dat is een serieus signaal. Niet dat medewerkers moeten leren om AI blindelings te volgen, maar dat organisaties moeten zorgen dat mensen weten wanneer zij AI kunnen gebruiken, wanneer zij moeten twijfelen en wie er verantwoordelijk is.
Wat laat het onderzoek zien over vertrouwen in AI?
De cijfers zijn opvallend. In het onderzoek, waaraan 658 leidinggevenden en teamleden uit Nederland, Duitsland, Spanje en Zwitserland deelnamen, zegt 83% van de Nederlandse respondenten minstens 40% van AI-adviezen te negeren. Over alle onderzochte landen ligt dat aandeel op 74%; in Duitsland op 64%.
De verklaring ligt volgens Eraneos niet primair in de kwaliteit van de technologie. Nederlandse organisaties blijven juist achter op organisatorische voorwaarden die bepalen of medewerkers AI verantwoord en met vertrouwen kunnen gebruiken:
slechts 20% zegt dat er duidelijke richtlijnen voor AI-gebruik zijn;
bij 22% is vastgelegd wie verantwoordelijk is wanneer AI een fout maakt;
36% ervaart afstemming tussen directie en medewerkers over AI-gebruik;
slechts 3% zegt dat AI daadwerkelijk in werkprocessen is ingebed.
Die percentages maken één ding duidelijk: een AI-tool aanbieden is iets anders dan AI onderdeel maken van het werk.
Is het verkeerd dat medewerkers AI-adviezen negeren?
Nee. Kritisch blijven is juist essentieel.
AI kan informatie samenvatten, patronen signaleren, opties vergelijken of een vervolgstap voorstellen. Maar een aanbeveling is geen besluit. De uitkomst kan onvolledig zijn, op onjuiste aannames rusten of belangrijke context missen. Zeker bij taken met gevolgen voor klanten, medewerkers, burgers of financiën hoort een professional te kunnen vragen: waar komt dit advies vandaan, klopt het voor deze situatie en wat zijn de gevolgen als we het volgen?
Het probleem ontstaat wanneer negeren geen bewuste professionele afweging is, maar een standaardreactie. Dan gaat waarde verloren: medewerkers zien de output niet als bruikbare ondersteuning, leidinggevenden krijgen geen zicht op wat wel en niet werkt, en de organisatie blijft hangen in losse experimenten.
Het doel is dus niet méér gehoorzaamheid aan AI. Het doel is passend vertrouwen: AI benutten waar het helpt, controleren waar dat nodig is en altijd menselijke verantwoordelijkheid behouden.
Waarom ontbreken vertrouwen en gebruik vaak tegelijk?
Vertrouwen groeit niet door een algemene mededeling dat een nieuwe AI-tool beschikbaar is. Medewerkers moeten in hun dagelijkse praktijk ervaren dat de tool relevant, voorspelbaar en veilig te gebruiken is.
Onduidelijke regels maken iedere keuze risicovol
Zonder afspraken weten medewerkers niet welke informatie zij mogen invoeren, welke uitkomsten gecontroleerd moeten worden of wanneer een leidinggevende, privacyfunctionaris of inhoudelijk specialist moet meekijken. Dan is het vaak veiliger om een AI-advies te negeren dan om er verantwoordelijkheid voor te nemen.
Een bruikbare richtlijn is concreet. Niet alleen: gebruik AI zorgvuldig. Maar bijvoorbeeld: welke gegevens zijn toegestaan, welke taken zijn geschikt, welke controles zijn verplicht en welke toepassingen zijn uitgesloten.
Onduidelijk eigenaarschap remt professioneel gebruik
De vraag "wie is verantwoordelijk als AI een fout maakt?" is geen juridische bijzaak. Zij bepaalt gedrag op de werkvloer.
Wanneer niemand eigenaar is van de toepassing, ligt het risico in de beleving volledig bij de medewerker die de uitkomst gebruikt. Dat stimuleert voorzichtigheid, maar niet altijd de goede soort voorzichtigheid. Het kan ertoe leiden dat mensen AI volledig links laten liggen, of juist in stilte gebruiken zonder feedback, controle of documentatie.
Wijs daarom per toepassing een inhoudelijk eigenaar aan. Die persoon of rol hoeft niet iedere uitkomst zelf te beoordelen, maar zorgt wel voor spelregels, evaluatie, escalatie en verbetering.
Training zonder praktijk beklijft onvoldoende
Eraneos ziet een duidelijk verschil tussen losstaande training en leren in het werk. Bij respondenten die AI-vaardigheden combineren met dagelijkse werkzaamheden, is het vertrouwen hoger dan bij respondenten voor wie training losstaat van de praktijk.
Dat is logisch. Een workshop kan uitleggen wat een model doet, maar pas in een echte taak ontdekt een medewerker welke context ontbreekt, hoe een goede controle eruitziet en wanneer een advies werkelijk tijd bespaart. Leren werkt het best wanneer medewerkers direct oefenen met herkenbare situaties uit hun eigen werk.
Hoe maak je AI-adviezen bruikbaar in de dagelijkse praktijk?
Begin klein en kies een taak waarbij medewerkers snel kunnen zien wat AI toevoegt, zonder dat de gevolgen van een fout direct groot zijn. Denk aan het samenvatten van lange documenten, het structureren van interne kennis, het voorbereiden van een eerste concept of het signaleren van ontbrekende informatie.
Maak vervolgens vooraf expliciet wat de verdeling is tussen mens en AI.
Onderdeel
AI kan ondersteunen
De mens blijft verantwoordelijk voor
Informatie verwerken
samenvatten, ordenen, vergelijken
context, volledigheid en juistheid beoordelen
Communicatie voorbereiden
eerste opzet, toonvarianten, vragen formuleren
inhoud, feiten, doelgroep en verzending
Analyse
patronen en mogelijke aandachtspunten signaleren
interpretatie, besluit en opvolging
Processtappen
voorstellen en standaardwerk voorbereiden
uitzonderingen, toestemming en eindcontrole
Deze verdeling voorkomt twee uitersten: AI als autoriteit behandelen of AI wegzetten als onbruikbaar speeltje.
Welke vijf afspraken hebben organisaties nodig?
1. Leg het doel per toepassing vast
Formuleer niet: "we gaan iets met AI doen", maar: "we willen de voorbereiding van klantgesprekken versnellen, terwijl de accountmanager ieder voorstel inhoudelijk controleert." Een scherp doel maakt duidelijk welke kwaliteit nodig is en hoe je succes meet.
2. Beschrijf de menselijke controle
Maak per taak zichtbaar wat iemand moet controleren voordat een AI-uitkomst wordt gebruikt. Bij externe communicatie kan dat een feitencheck en akkoord zijn. Bij analyses kan het gaan om het toetsen van brondata en uitzonderingen. Bij beslissingen met grote gevolgen moet menselijke beoordeling meer zijn dan alleen een knopje akkoord.
3. Wijs een eigenaar en een escalatieroute aan
Medewerkers moeten weten bij wie zij terechtkunnen met vragen, fouten of twijfel. Leg ook vast wie wijzigingen in prompts, gegevensbronnen, koppelingen en werkafspraken beoordeelt. Zo wordt feedback een bron voor verbetering in plaats van een losse klacht.
4. Oefen met echte werksituaties
Laat teams werken met eigen, veilige voorbeelden. Bespreek niet alleen goede resultaten, maar ook missers: wat ging er fout, hoe werd het ontdekt en welke afspraak voorkomt herhaling? Dat ontwikkelt AI-geletterdheid die verder gaat dan het bedienen van een tool.
5. Meet gebruik én kwaliteit
Alleen kijken naar het aantal gebruikers zegt weinig. Combineer gebruiksgegevens met vragen als: bespaart dit aantoonbaar tijd, neemt de kwaliteit toe, hoeveel correcties zijn nodig, welke adviezen worden verworpen en waarom? Een afgewezen AI-advies kan waardevolle informatie zijn, mits de reden wordt vastgelegd en besproken.
Hoe voorkom je dat AI een los experiment blijft?
AI wordt pas volwassen wanneer het een plek krijgt in processen, overleg en verantwoordelijkheden. Dat betekent niet dat iedere taak geautomatiseerd moet worden. Wel dat de organisatie bewust kiest waar AI ondersteunt en die keuze onderhoudt.
Plan daarom vaste momenten om toepassingen te evalueren. Bespreek met gebruikers welke output betrouwbaar is, welke fouten terugkomen en welke informatie of instructies ontbreken. Betrek daarbij niet alleen IT of innovatie, maar ook de mensen die het werk dagelijks doen. Zij zien als eerste waar een AI-advies niet aansluit op de werkelijkheid.
Deze aanpak helpt ook om weerstand te verminderen. Medewerkers willen meestal geen technologie opgelegd krijgen die hun werk ingewikkelder maakt of die onduidelijk invloed heeft op hun rol. Betrek hen vroeg, wees helder over wat AI wel en niet doet en begin met toepassingen die zichtbaar ondersteunen. Vertrouwen ontstaat wanneer mensen controle houden en resultaat zien.
Wat betekent dit voor verantwoord AI-gebruik?
Verantwoord AI-gebruik gaat niet alleen over privacy, beveiliging of wetgeving. Het gaat ook over de praktische vraag of medewerkers in staat zijn om AI-uitkomsten zorgvuldig te beoordelen.
Dat vraagt om transparantie over de rol van AI, duidelijke grenzen en menselijke eindverantwoordelijkheid. Vooral wanneer AI invloed heeft op werkverdeling, beoordeling, selectie of andere beslissingen met grote gevolgen, is het onvoldoende om te zeggen dat er "altijd een mens meekijkt". Die menselijke controle moet inhoudelijk zijn, met voldoende kennis, tijd en bevoegdheid om van een AI-advies af te wijken.
BRAIN Nederland ziet hierin een belangrijke opdracht voor de AI-sector. Betrouwbare AI ontstaat niet alleen door betere modellen, maar door organisaties die technologie, vaardigheden, processen en verantwoordelijkheid met elkaar verbinden.
De kern: bouw aan passend vertrouwen, niet aan blind vertrouwen
Dat werknemers AI-adviezen regelmatig negeren, is geen oproep om kritische vragen uit te schakelen. Het is een uitnodiging om de voorwaarden voor goed gebruik beter te organiseren.
Geef medewerkers duidelijke richtlijnen. Maak eigenaarschap zichtbaar. Laat hen oefenen in hun eigen werk. Bespreek fouten zonder schuldspel. En houd de mens verantwoordelijk voor de keuzes die ertoe doen.
Dan wordt AI geen systeem dat advies geeft vanaf de zijlijn, maar een hulpmiddel dat medewerkers begrijpen, kunnen toetsen en bewust inzetten. Precies daar begint duurzame AI-adoptie.
Organisaties experimenteren volop met kunstmatige intelligentie. Maar zodra AI niet alleen adviseert, maar ook zelfstandig werkzaamheden gaat uitvoeren, verandert het speelveld fundamenteel. Dan is AI geen handige toevoeging meer aan bestaande software. Het wordt onderdeel van de digitale ruggengraat van een organisatie.
Een chatbot die een vraag beantwoordt. Een taalmodel dat een tekst samenvat. Een AI-tool die een afbeelding maakt. Het zijn toepassingen waarmee inmiddels miljoenen mensen ervaring hebben.
Maar we staan aan het begin van een veel grotere verandering.
AI-systemen gaan steeds vaker niet alleen informatie produceren, maar ook handelingen uitvoeren. Ze kunnen gegevens verzamelen, systemen raadplegen, workflows starten, communiceren met klanten of collega's en op basis van vooraf bepaalde kaders zelfstandig vervolgstappen zetten.
Daarmee verschuiven we van generatieve AI naar Agentic AI.
En dat betekent dat organisaties anders naar AI moeten gaan kijken.
Van assistent naar digitale uitvoerder
Zolang AI alleen een antwoord geeft dat vervolgens door een mens wordt gecontroleerd, blijft de impact relatief overzichtelijk. Bij AI-agents ligt dat anders.
Een agent kan bijvoorbeeld zelfstandig een klantvraag verwerken, gegevens uit verschillende systemen combineren, een afspraak inplannen en een bevestiging versturen. Andere agents ondersteunen bij marketing, administratie, cybersecurity, HR of softwareontwikkeling.
Dat biedt enorme mogelijkheden. Maar hoe meer verantwoordelijkheid we aan AI geven, hoe belangrijker nieuwe vragen worden.
Waar draait het AI-model? Welke gegevens krijgt het te zien? Wie bepaalt wat de agent wel en niet mag doen? Hoe kunnen acties achteraf worden gecontroleerd? En wat gebeurt er als het systeem een fout maakt?
Dat zijn niet langer alleen technische vragen. Het worden ook bestuurlijke vragen.
Een succesvolle pilot zegt nog weinig
Dennis de Vries, Business Developer bij Proserve , beschrijft hoe organisaties relatief eenvoudig een indrukwekkende AI-pilot kunnen realiseren, maar tegen andere uitdagingen aanlopen zodra ze willen opschalen.
Een demonstratie bouwen is iets anders dan AI structureel onderdeel maken van een organisatie.
Tijdens een pilot zijn er meestal weinig gebruikers, beperkte datastromen en kan veel handmatig worden gecontroleerd. Bij grootschalige toepassing verandert dat.
Dan moet AI betrouwbaar functioneren binnen bestaande processen. Security moet goed geregeld zijn. Handelingen moeten controleerbaar blijven. Modellen veranderen, leveranciers veranderen en wetgeving ontwikkelt zich verder.
Daarom wordt de vraag niet alleen:
Welke AI-tool zullen we gebruiken?
Maar vooral:
Hoe willen we AI structureel organiseren?
Het beste AI-model bestaat niet
Bij de keuze voor een taalmodel kijken organisaties vaak naar kwaliteit, snelheid en kosten. Logisch, maar onvoldoende.
Een model dat vandaag uitstekend presteert, kan volgend jaar worden ingehaald. Nieuwe modellen verschijnen in hoog tempo.
Organisaties doen er daarom verstandig aan te voorkomen dat hun volledige AI-strategie afhankelijk wordt van één model of leverancier.
Kun je modellen vervangen zonder alles opnieuw te bouwen? Kun je verschillende modellen voor verschillende taken gebruiken? Waar vindt de verwerking plaats? Wie heeft toegang tot de data? En hoe worden activiteiten van AI-agents gemonitord?
Modelonafhankelijkheid kan daarmee net zo belangrijk worden als modelkwaliteit.
Data wordt opnieuw strategisch
AI-agents kunnen pas echt waarde toevoegen wanneer ze toegang krijgen tot informatie en systemen. Daarmee neemt ook het risico toe.
Een AI-systeem dat openbare informatie verwerkt, is iets anders dan een digitale medewerker met toegang tot klantgegevens, financiële informatie, personeelsdossiers of interne bedrijfskennis.
Organisaties zullen daarom steeds scherper moeten bepalen welke data een AI-systeem mag gebruiken, waar die gegevens worden verwerkt en wie er toegang toe heeft.
Privacy en cybersecurity spelen daarbij een rol, maar ook digitale autonomie en soevereiniteit.
Wie controleert uiteindelijk de modellen, infrastructuur en data waarop steeds meer bedrijfsprocessen draaien?
Governance moet onderdeel van het ontwerp zijn
Governance wordt nog te vaak gezien als iets wat na de technische implementatie kan worden geregeld. Bij autonome AI is dat onvoldoende.
Wanneer een agent daadwerkelijk kan handelen, moeten spelregels vanaf het begin onderdeel zijn van het systeem.
Welke bevoegdheden heeft de agent? Wanneer moet een mens goedkeuring geven? Welke activiteiten worden vastgelegd? Wanneer wordt een agent automatisch gestopt? En wie is verantwoordelijk als iets misgaat?
Een organisatie kan werkzaamheden aan AI delegeren. De verantwoordelijkheid voor het resultaat blijft uiteindelijk bij de organisatie.
Nu begint het echte werk
De afgelopen jaren draaide veel aandacht om steeds indrukwekkendere AI-modellen en toepassingen. De volgende fase gaat minstens zo veel over architectuur, integraties, databeheer, beveiliging, monitoring, governance en verantwoordelijkheid.
Dat klinkt misschien minder spectaculair dan de volgende AI-demo.
Maar juist daar wordt bepaald of AI werkelijk duurzaam waarde gaat leveren.
De belangrijkste vraag wordt daarom steeds minder wat AI allemaal kan.
De vraag wordt:
Hoe zorgen we ervoor dat AI betrouwbaar, veilig en verantwoord onderdeel wordt van het dagelijkse werk?
Dat is een vraag waar niet alleen individuele organisaties, maar de hele Nederlandse AI-sector een antwoord op moet vinden.
BRAIN Nederland verwelkomt haar allereerste ambassadeur, Jana Retkowsky, Ambassadeur Future of Work. Wie zich verdiept in wat AI met ons werk doet, komt vroeg of laat bij haar uit.
AI verandert niet alleen hoe organisaties technologie inzetten, maar vooral hoe mensen werken, samenwerken en zich ontwikkelen. Functies verschuiven, taken worden anders verdeeld en de samenwerking tussen mens en AI krijgt elke dag meer vorm. Precies dat gebied, waar techniek en mens elkaar raken, is het werkterrein van Jana.
ONZE EERSTE AMBASSADEUR
Een wetenschappelijke stem, midden in de praktijk
Jana Retkowsky is Assistant Professor aan de Rotterdam School of Management (RSM) van de Erasmus Universiteit, bij de sectie Innovation Management van het Department of Technology and Operations Management. Haar onderzoek ligt precies op het snijvlak van AI en werk: ze onderzoekt hoe AI werk en organisaties verandert, en maakt zichtbaar hoe beide zich ontwikkelen. Ze behoort tot de belangrijkste wetenschappelijke stemmen op het gebied van AI en werk en heeft diverse onderzoeken op haar naam staan.
Als onafhankelijke wetenschappelijke stem kijkt ze naar wat AI daadwerkelijk met werk, mensen en organisaties doet. Niet alleen de kansen, maar ook de spanningen en de onbedoelde gevolgen. Juist die volledigheid maakt haar zo waardevol: ze kijkt voorbij de beloften van Silicon Valley en dieper dan de onderbuik. Als Ambassadeur Future of Work verbindt ze die wetenschappelijke inzichten met de dagelijkse praktijk van organisaties, als deskundige, kennisdeler en verbinder. Haar eigen drijfveer laat zich in één zin samenvatten.
“Ik wil laten zien wat AI écht met werk doet. Voorbij de beloften van Silicon Valley, en met oog voor de spanningen en de onbedoelde gevolgen.” Jana Retkowsky, Ambassadeur Future of Work
****
HAAR ONDERZOEK
Waar AI en werk elkaar raken
Haar projecten gaan over de vragen die nú op de werkvloer spelen: de rol van generatieve AI (GenAI) in kennis- en creatief werk, de samenwerking tussen mens en AI, algoritmisch management en de adoptie van AI binnen organisaties. Ook onderzoekt ze de dagelijkse werkelijkheid van werkenden in de gig-economie, zoals Uber-rijders.
Haar werk verscheen in internationale wetenschappelijke tijdschriften, waaronder de Journal of Vocational Behavior, Academy of Management Discoveries en Business Horizons, en ze presenteert haar lopende onderzoek regelmatig op internationale congressen zoals de Academy of Management Conference.
Wat haar aanpak kenmerkt, is dat ze het liefst midden in organisaties staat. "Ik leer het meest door in organisaties te staan en direct met medewerkers en managers te praten," zegt ze. "Daar zie je wat er werkelijk verandert." Als kwalitatief onderzoeker leert ze zo rechtstreeks van de mensen in het veld. Die betrokken manier van onderzoek doen zit diep: tijdens haar promotieonderzoek richtte ze zelfs een lab op waar leiders uit het vakgebied ideeën uitwisselden en samen werkten aan een wenselijke toekomst.
Voordat ze bij RSM begon, werkte ze een half jaar als AI-adviseur en vertaalde ze haar onderzoeksinzichten naar de praktijk. Daarvoor deed ze een postdoc bij KIN, Center for Digital Innovation aan de Vrije Universiteit (VU) Amsterdam.
WAT GAAT ZE DOEN?
Van onderzoek naar de werkvloer, én een eigen AI-report
Jana gaat veel kennis met het netwerk delen
Daarbij hoort ook een duidelijke ambitie: samen met BRAIN Nederland wil Jana regelmatig een AI-report uitbrengen over AI en werk. Onderzoek dat werkgevers, HR-professionals, bestuurders en beleidsmakers helpt begrijpen hoe functies veranderen, hoe mens en AI succesvol samenwerken en welke vaardigheden straks het verschil maken.
“Met dit report willen we werkgevers concrete handvatten geven: wat betekent AI nu echt voor functies, taken en de samenwerking tussen mens en machine?” Jana Retkowsky, Ambassadeur Future of Work
Daarnaast schuift ze met enige regelmaat aan bij kennissessies, rondetafels, webinars en podcasts, als inhoudelijk deskundige en als gesprekspartner voor werkgevers en beleidsmakers. Zo brengt ze wetenschap en praktijk telkens een stukje dichter bij elkaar.
WAAROM WE ZO BLIJ ZIJN
De toekomst van werk verdient een betrouwbare gids
"Een denkfout van innovatiemanagers en CTOs is vaak dat AI vooral een technologievraag is," zegt Jana. "Het gaat minstens zozeer over mensen, werk en organisaties." Precies die overtuiging maakt haar zo’n natuurlijke match met BRAIN Nederland.
BRAIN Nederland wil de ontwikkelingen rond AI op een inhoudelijke en betrouwbare manier zichtbaar maken. Dat lukt alleen met mensen die de feiten kennen én kunnen duiden. Met Jana halen we precies die combinatie in huis: wetenschappelijke onderbouwing, een onafhankelijke blik en het talent om complex onderzoek begrijpelijk te maken voor een breed publiek.
Voor onze leden betekent dat directe toegang tot actuele, betrouwbare kennis over AI en werk. Voor de sector betekent het meer autoriteit en een steviger fundament onder het gesprek over de toekomst van werk. En voor ons betekent het vooral dit: we zijn er ongelofelijk blij mee.
“Dat een wetenschapper van haar niveau onze eerste ambassadeur wil zijn, maakt ons enorm trots. Jana verbindt gedegen onderzoek met de dagelijkse praktijk als geen ander.” Hans Schuurmans, Voorzitter BRAIN Nederland
Welkom, Jana. We kunnen niet wachten.
Nog maar een paar jaar geleden was daar ineens een beroep waar vrijwel niemand ooit van had gehoord: prompt engineer.
In 2023 verschenen verhalen over vacatures waarbij prompt engineers salarissen van enkele tonnen per jaar konden verdienen. Anthropic had destijds bijvoorbeeld een vacature met een salarisrange van 175.000 tot 335.000 dollar per jaar. Euronews schreef zelfs over prompt-engineeringsfuncties die richting 300.000 euro per jaar gingen.
Het idee was simpel: wie als geen ander wist hoe je met generatieve AI moest communiceren, beschikte ineens over een extreem schaarse vaardigheid.
Drie jaar later is AI alweer een aantal stappen verder.
En nu duikt een nieuwe functietitel steeds nadrukkelijker op:
Forward Deployed Engineer.
Of kortweg: FDE.
Consultancykantoren zijn ernaar op zoek
Het Financieele Dagblad meldde deze week dat grote consultancykantoren naarstig op zoek zijn naar dit nieuwe type AI-specialist. Onder andere Deloitte, Accenture, Capgemini en McKinsey zien bij klanten een groeiende behoefte aan mensen die AI niet alleen kunnen bedenken, maar daadwerkelijk binnen organisaties aan het werk kunnen krijgen.
Deloitte omschrijft het profiel als een combinatie van technische kennis, sectorkennis, communicatie en samenwerking met de klant.
Ook internationaal gebeurt hetzelfde.
EY kondigde in april 2026 expliciet nieuwe Forward Deployed Engineer-functies aan. Deze engineers werken rechtstreeks binnen klantteams om AI-toepassingen te ontwerpen, bouwen, integreren en uiteindelijk daadwerkelijk in productie te krijgen.
Dat zegt veel over waar we inmiddels met AI staan.
Van mooie demo naar iets dat daadwerkelijk werkt
De afgelopen jaren hebben duizenden organisaties geëxperimenteerd met AI.
Chatbots.
Copilots.
Agents.
Automatiseringen.
Proofs of concept.
Een demo bouwen lukt inmiddels steeds makkelijker.
Maar vervolgens begint het echte werk.
Hoe koppel je AI aan de bestaande software?
Hoe zorg je dat de juiste bedrijfsdata worden gebruikt?
Hoe richt je rechten, privacy en beveiliging in?
Wat gebeurt er als AI een fout maakt?
Hoe past de oplossing binnen bestaande werkprocessen?
En misschien wel het belangrijkste:
hoe zorg je ervoor dat medewerkers er daadwerkelijk mee gaan werken?
Dat is precies het terrein van de Forward Deployed Engineer.
Wat doet een FDE eigenlijk?
Een FDE zit ergens tussen een software engineer, AI-specialist, consultant en businessanalist in.
Niet maandenlang op afstand een systeem bouwen en het daarna over de schutting gooien.
Maar samen met de klant kijken:
Wat proberen jullie eigenlijk op te lossen?
Vervolgens wordt de technologie direct binnen de praktijk van die organisatie toegepast.
Een goede FDE moet daardoor veel meer kunnen dan programmeren.
Hij of zij moet bedrijfsprocessen begrijpen, met medewerkers kunnen praten, systemen kunnen koppelen, AI-modellen begrijpen, risico's herkennen en vervolgens ook daadwerkelijk iets werkends kunnen opleveren.
IBM noemt de opkomst van de FDE dan ook een belangrijk signaal. Volgens IBM willen ondernemingen niet langer alleen AI-strategieën en experimenten, maar oplossingen die daadwerkelijk in productie komen en aantoonbaar resultaat leveren.
En wat gebeurde er met de prompt engineer?
Die is niet ineens verdwenen.
Sterker nog: goed kunnen instrueren, testen en evalueren van AI-systemen blijft belangrijk. Er bestaan in 2026 nog steeds gespecialiseerde functies rond prompts en evaluaties. Anthropic publiceerde dit jaar bijvoorbeeld vacatures voor functies rond Agent Prompts & Evals met salarissen die opnieuw ruim boven de 300.000 dollar uitkomen.
Maar prompt engineering is steeds minder een losstaand kunstje.
Modellen zijn beter geworden in het begrijpen van gewone taal. Tegelijkertijd zijn AI-systemen complexer geworden.
Een goede prompt alleen is niet meer genoeg.
Je moet nadenken over data, context, tools, agents, koppelingen, evaluaties, beveiliging, governance en bedrijfsprocessen.
De functie verschuift dus van:
“Hoe praat ik zo goed mogelijk met AI?”
naar:
“Hoe zorg ik ervoor dat AI binnen deze organisatie daadwerkelijk waarde creëert?”
En dat is een veel grotere uitdaging.
Misschien is de FDE daarom vooral een teken van volwassenwording
De interessantste ontwikkeling is misschien niet de nieuwe functietitel zelf.
De functie Forward Deployed Engineer bestaat namelijk al langer en werd onder andere door Palantir groot gemaakt. Nieuw is vooral de snelheid waarmee het profiel nu door de AI-markt en grote consultancybedrijven wordt omarmd.
Dat vertelt ons iets over de volgende fase van AI.
De eerste fase ging vooral over ontdekken.
Wat kan ChatGPT?
De tweede fase ging over experimenteren.
Kunnen we hiermee onze organisatie slimmer maken?
Nu komen we steeds meer in de derde fase:
implementeren.
AI moet onderdeel worden van het echte werk.
Niet als leuke tool naast de organisatie, maar geïntegreerd in processen, software en verantwoordelijkheden.
De belangrijkste AI-specialist zit straks misschien niet achter zijn computer
Dat klinkt misschien vreemd bij een technische functie.
Maar juist het menselijke gedeelte wordt belangrijker.
Een FDE moet kunnen luisteren.
Doorvragen.
Begrijpen waarom mensen bepaalde werkzaamheden op een bepaalde manier uitvoeren.
Weerstand herkennen.
Kunnen uitleggen waarom een AI-oplossing wel of niet verstandig is.
En technologie vertalen naar iets waar een medewerker maandagmorgen daadwerkelijk mee kan werken.
Daarmee ontstaat een interessant paradoxaal effect:
hoe krachtiger AI wordt, hoe belangrijker mensen worden die technologie met de praktijk kunnen verbinden.
Vandaag FDE. Morgen weer iets anders?
Waarschijnlijk wel.
Prompt engineer was drie jaar geleden nog een van de meest besproken nieuwe AI-beroepen.
Vandaag is het de Forward Deployed Engineer.
En over twee of drie jaar praten we waarschijnlijk alweer over functietitels die nu nog nauwelijks bestaan.
Daarom moeten we misschien ook niet te veel naar de titel kijken.
De structurele ontwikkeling erachter is belangrijker.
Organisaties hebben steeds minder behoefte aan mensen die alleen over AI kunnen vertellen.
Ze zoeken mensen die begrijpen:
wat AI kan, wat een organisatie nodig heeft én hoe je die twee daadwerkelijk bij elkaar brengt.
Bij BRAIN Nederland zien we dat als een belangrijke volgende stap in de professionalisering van de AI-sector.
Niet alleen praten over de mogelijkheden van AI.
Niet alleen indrukwekkende demo's laten zien.
Maar verantwoordelijkheid nemen voor de toepassing in de praktijk.
Misschien wordt dát wel een van de belangrijkste AI-vaardigheden van de komende jaren: niet weten hoe AI werkt, maar weten hoe je AI laat werken.
De tweede editie van het Nationale AI in Inkoop Onderzoek, uitgevoerd onder 152 professionals in inkoop en contractmanagement, maakt duidelijk dat generatieve AI in korte tijd een vaste plek heeft gekregen binnen het vakgebied.
In 2024 gebruikte 62 procent van de ondervraagde professionals AI zakelijk. Inmiddels is dat gestegen naar 88 procent. Ook privé nam het gebruik toe: van 76 naar 95 procent.
AI is daarmee niet langer alleen het terrein van voorlopers. Inkopers gebruiken het onder meer voor het opstellen en verbeteren van teksten, het analyseren van informatie, het voorbereiden van gesprekken en het ondersteunen van besluitvorming.
Tegelijkertijd legt het onderzoek een belangrijk verschil bloot: individuele inkopers lopen vaak ver vooruit op de organisaties waarin zij werken.
Inkopers werken sneller én beter met AI
De resultaten laten zien dat professionals die AI gebruiken daar daadwerkelijk voordeel van ervaren.
Een derde van de gebruikers geeft aan meer dan 10 procent productiviteitswinst te behalen. In 2024 was dat nog 14 procent. Daarnaast rapporteerden de deelnemers gemiddeld een kwaliteitsverbetering van 19 procent.
AI helpt dus niet alleen om sneller te werken. Het kan inkopers ook ondersteunen bij het maken van betere analyses, het vergelijken van alternatieven en het voorbereiden van beter onderbouwde beslissingen.
Juist dat is binnen inkoop belangrijk. De toegevoegde waarde van AI zit niet alleen in tijdsbesparing, maar ook in meer overzicht, consistentie en kwaliteit.
Zakelijke AI-tools winnen terrein
Ook het gebruikte AI-landschap verandert. Waar professionals aanvankelijk vooral experimenteerden met gratis versies van ChatGPT, stappen organisaties steeds vaker over op zakelijke oplossingen.
Microsoft Copilot is volgens het onderzoek momenteel de meest gebruikte zakelijke AI-tool, met een aandeel van ongeveer 50 procent. Ook ChatGPT Enterprise, Google Gemini en Claude worden vaker ingezet.
Die ontwikkeling is logisch. Organisaties stellen hogere eisen aan databescherming, beveiliging, toegangsbeheer en integratie met bestaande systemen.
Maar het beschikbaar stellen van een veilige tool is op zichzelf niet voldoende om echte impact te realiseren.
Training is de grootste onbenutte kans
Een van de opvallendste resultaten uit het onderzoek is het verschil tussen professionals die wel en geen AI-training hebben gevolgd.
Van de getrainde professionals rapporteert 94 procent productiviteitswinst. Bij professionals zonder training is dat 66 procent. Getrainde medewerkers geven bovendien vaker aan dat AI de kwaliteit van hun werk verbetert.
Training moet daarbij verder gaan dan uitleg over knoppen, prompts of specifieke tools. Inkopers moeten leren:
bij welke taken AI daadwerkelijk waarde toevoegt;
hoe processen slimmer kunnen worden ingericht;
hoe AI-uitkomsten gecontroleerd moeten worden;
welke informatie wel en niet gedeeld mag worden;
hoe resultaten en risico’s meetbaar worden gemaakt.
Wie alleen een AI-tool aanbiedt, verandert nog geen organisatie. Daarvoor zijn ook vaardigheden, beleid, begeleiding en duidelijke doelstellingen nodig.
Van individueel gebruik naar organisatiebrede impact
Dat veel organisaties nog geen meetbare voordelen zien, betekent niet dat AI onvoldoende potentieel heeft. Het betekent vooral dat individueel gebruik iets anders is dan succesvolle implementatie.
Zonder een gezamenlijke aanpak blijft AI vaak hangen in losse experimenten. Medewerkers gebruiken verschillende tools, ontwikkelen hun eigen werkwijzen en delen opgedane kennis slechts beperkt met collega’s.
Werkelijke impact ontstaat wanneer organisaties gerichte keuzes maken. Welke inkoopprocessen willen we verbeteren? Welke resultaten verwachten we? Waar blijft menselijk oordeel noodzakelijk? Hoe bewaken we veiligheid, kwaliteit en verantwoordelijkheid? En hoe meten we de opbrengsten?
Pas wanneer technologie, mensen en processen op elkaar worden afgestemd, kan AI structureel waarde toevoegen.
De visie van BRAIN Nederland
Voor BRAIN Nederland bevestigt dit onderzoek een ontwikkeling die in veel sectoren zichtbaar is: de technologie is beschikbaar, maar succesvolle adoptie vraagt om meer dan toegang tot een AI-tool.
Organisaties moeten investeren in AI-geletterdheid, verantwoord gebruik, duidelijke verantwoordelijkheden en het opnieuw ontwerpen van werkprocessen. Daarbij moet niet de technologie, maar de gewenste verbetering centraal staan.
Het Tweede Nationale AI in Inkoop Onderzoek laat zien dat de eerste grote stap is gezet: inkopers gebruiken AI massaal. De volgende stap is aan organisaties. Zij moeten individueel gebruik vertalen naar structurele, veilige en meetbare waarde.
De echte impact blijft nu misschien nog achter. Maar organisaties die investeren in mensen, processen en een duidelijke AI-aanpak kunnen die achterstand snel omzetten in een voorsprong.Bron: Tweede Nationale AI in Inkoop Onderzoek, gepubliceerd in Deal! Magazine, juni 2026. Het onderzoek werd uitgevoerd onder 152 professionals in inkoop en contractmanagement.
Supercomputing Brabant
Bij BRAIN Nederland vinden we het belangrijk om initiatieven zichtbaar te maken die AI-bedrijven, startups, scale-ups en mkb-organisaties helpen om een volgende stap te zetten.
Zeker wanneer technologie, kennis en samenwerking samenkomen, ontstaan er kansen die veel verder gaan dan één bedrijf of één project. Een mooi voorbeeld daarvan is Supercomputing Brabant. We spraken met Wouter de Bruin, Programme Manager AI, over het belang van supercomputing, de kansen voor ondernemers en waarom Brabant trots mag zijn op deze ontwikkeling.
In gesprek met Wouter de Bruin
Wouter de Bruin · Programme Manager AI
“Supercomputing is een van de drijvende krachten achter innovatie. Het biedt de rekenkracht die bedrijven nodig hebben om complexe problemen op te lossen.”
Wat is Supercomputing Brabant precies?
Kun je kort uitleggen wat het initiatief inhoudt en waarom dit nu belangrijk is?
Of het nu gaat om kankeronderzoek, het oplossen van netcongestie of de inzet van autonome robotica: supercomputing is een van de drijvende krachten achter innovatie. Het biedt de rekenkracht die bedrijven nodig hebben om complexe problemen op te lossen en technologische doorbraken te realiseren. Daarbij hoort ook de ondersteuning om die rekenkracht zo effectief mogelijk in te zetten.
Voor welke bedrijven is dit initiatief interessant?
Gaat het vooral om startups, scale-ups en mkb, of is het juist breder?
Het initiatief richt zich primair op Brabantse startups, scale-ups en mkb-bedrijven die AI willen ontwikkelen of toepassen op basis van grotere datasets en complexere algoritmen dan hun bestaande infrastructuur aankan. Het is vooral interessant voor bedrijven die:
reeds met AI werken, maar tegen schaal- en performancegrenzen aanlopen;
AI willen inzetten voor complexere vraagstukken;
hun innovatiekracht willen versnellen met data-intensieve toepassingen.
Hoewel de focus op het mkb ligt, is het initiatief nadrukkelijk breder. Ook kennisinstellingen en publieke organisaties zoals universiteiten, ziekenhuizen, gemeenten en waterschappen horen tot de doelgroep. Qua sectoren sluit het aan op domeinen waarin Brabant traditioneel sterk is, maar de opzet is niet daartoe beperkt: AI-supercomputing is een generieke technologie die in vrijwel elke sector waarde kan toevoegen, zolang er sprake is van een relevante en impactvolle use case.
Hightech industrie
Medtech
Agritech
Waar kunnen bedrijven de capaciteit concreet voor gebruiken?
Een paar praktische voorbeelden van toepassingen of vraagstukken?
Praktijkvoorbeeld
Een mkb-bedrijf uit Eindhoven wilde niet afhankelijk zijn van licentieverplichtingen van modellen uit de VS of China. Als pilot trainde dit bedrijf via Supercomputing Brabant een eigen model, dat na een aantal iteraties van competitieve kwaliteit was. Zo werd de afhankelijkheid van een niet-EU-model weggenomen.
De capaciteit is bedoeld voor toepassingen waarbij traditionele IT-infrastructuur tekortschiet: grote hoeveelheden data, complexe algoritmen of intensieve rekentaken. Concreet kunnen bedrijven de capaciteit inzetten voor:
het trainen van sectorspecifieke AI-modellen;
het analyseren van grote datasets (big data analytics);
het optimaliseren van processen met behulp van AI;
het ontwikkelen van innovatieve AI-producten of -diensten.
Ook de manier van rekenen speelt een rol. Waar bedrijven normaal werken met lineaire processen op beperkte hardware, maakt supercomputing gebruik van parallelle verwerking en gespecialiseerde infrastructuur. Zo kunnen zij aanzienlijk complexere berekeningen uitvoeren, sneller tot resultaten komen en een nieuwe categorie toepassingen ontwikkelen die voorheen buiten bereik lag.
Aan welke voorwaarden moeten bedrijven voldoen?
Moeten bedrijven in Brabant gevestigd zijn? Zijn er inhoudelijke of technische eisen?
De voorwaarden zijn vooral gericht op regionale binding en inhoudelijke geschiktheid van de case. Het initiatief richt zich expliciet op Brabantse bedrijven en instellingen: organisaties moeten in de regio gevestigd zijn, of op een andere manier onderdeel uitmaken van het Brabantse ecosysteem. Er is een focus op het mkb, hoewel samenwerking met grotere partijen of kennisinstellingen mogelijk is.
Belangrijker nog zijn de inhoudelijke criteria. Bedrijven moeten beschikken over een relevante en kansrijke AI-use case die daadwerkelijk baat heeft bij supercomputing. Cases worden beoordeeld op onder meer kwaliteit, haalbaarheid en potentiële impact, en getoetst op privacy, veiligheid en regelgeving. Er is geen harde instapdrempel qua maturiteit. Het initiatief is juist bedoeld om bedrijven te helpen groeien, zolang zij bereid zijn om actief te leren en samen te werken met de betrokken experts.
Juridische en ethische aspecten worden getoetst via de ELSA-principes: Ethical, Legal and Societal Aspects.
Hoe werkt het proces als een bedrijf interesse heeft?
Waar melden, hoe wordt beoordeeld of een case geschikt is en welke begeleiding krijgen bedrijven?
Het initiatief hanteert een gefaseerde aanpak, waarin bedrijven stap voor stap worden begeleid van eerste oriëntatie tot daadwerkelijke toepassing van AI-supercomputing.
1. Bewustwording
Bedrijven maken via bijeenkomsten, presentaties en outreach kennis met de mogelijkheden van AI-supercomputing.
2. Informeren
Geïnteresseerde organisaties worden geholpen om hun use cases te verkennen en zicht te krijgen op kansen en haalbaarheid.
3. Realiseren
Samen met experts wordt de use case uitgewerkt tot een werkende toepassing, met begeleiding op data, algoritmen en implementatie.
4. Verspreiden
Kennis en resultaten worden gedeeld binnen de bredere AI-community in Brabant. Zo ontstaat een lerend ecosysteem.
De selectie en begeleiding worden uitgevoerd door een multidisciplinair team met onder andere een business developer, technisch specialisten en een ELSA-expert. Zo krijgen bedrijven niet alleen toegang tot technologie, maar worden ze ook daadwerkelijk in staat gesteld om deze effectief te benutten.
Interesse in deelname?
Meld je aan voor Supercomputing Brabant
Neem contact op met Niels te Poel (ntepoel@bom.nl). Samen met het team wordt gekeken of jullie use case geschikt is en welke vervolgstappen mogelijk zijn.
BRAIN Nederland is trots om zich als nieuwe kennispartner aan Data Expo te verbinden. Het partnerschap past bij de ambitie van de brancheorganisatie om AI-professionals, organisaties en kennispartners dichter bij elkaar te brengen.
De toekomst van AI bouwen we samen.
SAMENWERKEN VOOR DE LANGE TERMIJN
Een partnerschap met perspectief
Tijdens de editie van 2026 zal BRAIN Nederland nog niet fysiek op de beurs aanwezig zijn. De samenwerking richt zich vooral op de langere termijn.
Samen met de organisatie van Data Expo gaat BRAIN Nederland onderzoeken hoe het kennispartnerschap de komende jaren verder kan worden vormgegeven. Daarbij wordt nadrukkelijk gekeken naar de concrete voordelen voor Founding Members en leden van BRAIN Nederland.
Het doel is niet alleen om zichtbaar te zijn, maar vooral om een samenwerking te ontwikkelen die inhoudelijke en commerciële waarde biedt aan de achterban.
“We willen onderzoeken hoe we onze leden en Founding Members een relevant podium kunnen bieden.”
BRAIN Nederland
KENNIS EN PRAKTIJKERVARING ZICHTBAAR MAKEN
Een podium voor de Nederlandse AI-sector
Als brancheorganisatie voor de Nederlandse AI-sector wil BRAIN Nederland organisaties niet alleen met elkaar verbinden. De organisatie wil haar leden ook helpen om hun kennis, expertise en oplossingen beter zichtbaar te maken.
Binnen de achterban van BRAIN Nederland is veel waardevolle praktijkervaring aanwezig. Leden en Founding Members werken dagelijks aan toepassingen op het gebied van AI, data, automatisering, governance, verantwoord AI-gebruik en digitale transformatie.
Data Expo biedt een interessant platform om deze kennis onder de aandacht te brengen van organisaties die AI praktisch, verantwoord en effectief willen inzetten.
Het partnerschap kan daarmee bijdragen aan meer zichtbaarheid voor AI-organisaties en aan nieuwe verbindingen tussen aanbieders, opdrachtgevers, experts en samenwerkingspartners.
VAN KENNIS DELEN NAAR VERBINDEN
Kansen voor toekomstige edities
Voor toekomstige edities kijken BRAIN Nederland en Data Expo naar verschillende vormen van samenwerking.
Daarbij kan worden gedacht aan inhoudelijke bijdragen, presentaties, kennissessies, gezamenlijke activiteiten en zichtbaarheid op de beursvloer.
Steeds staat daarbij één centrale vraag voorop:
Hoe kunnen we onze leden en Founding Members een relevant podium bieden en hen verbinden met potentiële klanten, partners en andere AI-professionals?
Door kennisdeling te combineren met ontmoeting en zichtbaarheid kan het partnerschap uitgroeien tot een waardevol platform voor de Nederlandse AI-sector.
BOUWEN AAN EEN PROFESSIONELE AI-SECTOR
Waarom Data Expo bij BRAIN Nederland past
Data Expo sluit goed aan bij de missie van BRAIN Nederland: bouwen aan een professionele, transparante en betrouwbare Nederlandse AI-sector.
Dat vraagt om samenwerking tussen AI-bedrijven, kennisorganisaties, opdrachtgevers, professionals en andere betrokken partijen. Door kennis en ervaringen te delen, kunnen organisaties betere keuzes maken en AI op een verantwoordelijke manier toepassen.
Het kennispartnerschap met Data Expo biedt BRAIN Nederland de mogelijkheid om deze samenwerking verder te versterken.
“De toekomst van AI ontstaat niet afzonderlijk, maar door kennis, ervaring en verantwoordelijkheid met elkaar te verbinden.”
DE TOEKOMST VAN AI BOUWEN WE SAMEN
BRAIN Nederland kijkt uit naar de verdere samenwerking met Data Expo en naar de kansen die dit partnerschap de komende jaren kan bieden.
Voor Founding Members en leden kan Data Expo zich ontwikkelen tot een belangrijk podium voor kennisdeling, zichtbaarheid en nieuwe zakelijke verbindingen.
Samen maken we AI begrijpelijk, verantwoord en toepasbaar.
Interview · Ondernemen in Texas
Een van de meest dynamische economieën van de VS, met sectoren waarin Nederland internationaal sterk is. Over de kansen, de cultuurverschillen en de eerste stappen richting Texas.
Interview met Stef van de VijverLeestijd 7 minHouston, Texas
Bij BRAIN Nederland kijken we graag over de grens naar plekken waar Nederlandse ondernemers kunnen groeien. Texas is zo'n markt: groot, ondernemend en sterk gericht op groei.
Hier komt grote economische dynamiek samen met sectoren waarin Nederland internationaal sterk is. We spraken met Stef van de Vijver, Economic Officer (op de foto met de foto met gouverneur Greg Abbott) bij het Netherlands Business Support Office (NBSO) in Houston, over de kansen, de cultuurverschillen en de eerste stappen die je als bedrijf kunt zetten.
In gesprek met
Stef van de Vijver · Economic Officer, NBSO Texas
“Texas biedt enorme kansen voor Nederlandse bedrijven, maar het beloont vooral ondernemers die goed voorbereid, gefocust en volhardend zijn.”
1. Kun je jezelf en het NBSO Texas kort voorstellen?
Wat is jouw rol als Economic Officer en waarvoor kunnen Nederlandse bedrijven bij jullie terecht?
Ik ben Stef van de Vijver en ik werk als Economic Officer bij het Netherlands Business Support Office (NBSO) in Houston. Het NBSO Texas is onderdeel van het economische postennetwerk van het Koninkrijk der Nederlanden in de Verenigde Staten. Wij helpen Nederlandse bedrijven die de Texaanse markt willen verkennen, hier zaken willen doen of hun bestaande activiteiten willen uitbreiden.
Onze rol is vooral praktisch en verbindend. We zijn geen consultant of advocatenkantoor, maar een publieke handelspost die Nederlandse ondernemers helpt om in Texas sneller bij de juiste mensen aan tafel te komen. Warme introducties zijn daarbij een belangrijk onderdeel van ons werk. We openen deuren binnen ons lokale netwerk en brengen bedrijven in contact met marktpartijen, overheden, kennisinstellingen en mogelijke partners. Daarnaast helpen we met marktinformatie, duiden we de lokale zakelijke cultuur en co-organiseren we handelsmissies naar Texas. Dat doen we in nauwe samenwerking met RVO, de Nederlandse ambassade en consulaten, en lokale organisaties in Texas.
Mijn eigen werk draait veel om het verbinden van Nederlandse bedrijven met kansen in Texas. Dat betekent luisteren naar wat een bedrijf zoekt, toetsen of Texas logisch is, relevante contacten leggen en zorgen dat ondernemers goed voorbereid aan tafel komen.
2. Waarom is Texas nu interessant voor Nederlandse bedrijven?
Welke economische ontwikkelingen maken Texas aantrekkelijk voor wie internationaal wil groeien?
Texas is op dit moment een van de meest dynamische economieën van de Verenigde Staten. Het is groot, ondernemend, internationaal georiënteerd en sterk gericht op groei. Voor Nederlandse bedrijven is dat interessant, omdat Texas niet alleen een markt op zichzelf is, maar ook een springplank naar de rest van de VS, Mexico en bredere internationale markten.
Wat Texas aantrekkelijk maakt, is de combinatie van schaal, kapitaal, ondernemerschap en snelheid. Beslissingen kunnen hier snel gaan, bedrijven zijn vaak bereid om nieuwe technologie te testen en er is veel vraag naar oplossingen die efficiënter, slimmer, duurzamer of veiliger zijn. Dat past goed bij Nederlandse expertise. Elke regio heeft daarbij een eigen profiel:
Houston
Energiehoofdstad van de wereld, met sterke groei in energietransitie, water, medtech en ruimtevaart.
Austin
Toonaangevend tech- en startup-ecosysteem.
Dallas-Fort Worth
Sterk in fintech, logistiek, corporate headquarters en zakelijke dienstverlening.
San Antonio
Sterke clusters rond cybersecurity, defensie en robotica.
3. In welke sectoren liggen de grootste kansen?
Welke branches springen eruit en waar zie je veel potentieel voor Nederlandse expertise?
We kijken vooral naar sectoren waarin Nederlandse bedrijven iets onderscheidends te bieden hebben en waar in Texas concrete vraag bestaat.
Een eerste sector is energie. Texas blijft een wereldspeler in olie en gas, maar tegelijk groeit de aandacht voor waterstof, carbon capture, elektrificatie, offshore en grid solutions. Nederlandse bedrijven die gewend zijn aan complexe energie-infrastructuur kunnen hier veel waarde toevoegen.
Water is een tweede belangrijk thema. Texas heeft te maken met droogte, overstromingen, stormwater, kustbescherming en snelgroeiende steden. Nederlandse kennis op het gebied van watermanagement, flood resilience, infrastructuur en klimaatadaptatie sluit daar heel goed op aan.
Daarnaast zien we veel potentieel in life sciences en health. Houston heeft met het Texas Medical Center het grootste medische ecosysteem ter wereld.
Praktijkvoorbeeld
Een mooi voorbeeld is de BioBridge MoU met het Texas Medical Center, waarmee we de samenwerking tussen Nederlandse life sciences en health-partijen en het TMC-ecosysteem verder versterken. In oktober verwelkomen we het eerste Nederlandse cohort binnen dit traject. Een concrete stap om innovatieve Nederlandse bedrijven dichter bij ziekenhuizen, onderzoekers, investeerders en partners in Houston te brengen.
Ook tech, datacenters, sports, mobility, agrifood en horticulture zijn kansrijk. Belangrijk is wel dat bedrijven hun propositie scherp maken: welk probleem los je op, voor wie, en waarom is jouw oplossing beter dan wat er al beschikbaar is?
4. Wat maakt zakendoen in Texas anders dan in Nederland?
Welke culturele, commerciële en praktische verschillen moeten ondernemers goed begrijpen?
Texas is zakelijk, direct en relationeel tegelijk. Mensen zijn open, vriendelijk en bereid om te praten, maar dat betekent niet automatisch dat er al een deal is. Je moet opvolgen, zichtbaar blijven en laten zien dat je serieus bent.
Een belangrijk verschil is de schaal. Afstanden zijn groot, markten zijn groot en de concurrentie is stevig. Een bedrijf kan niet zomaar 'de VS' betreden. Zelfs Texas is al een markt waarvoor je keuzes moet maken: Houston is anders dan Austin, Dallas of San Antonio.
Een tweede verschil zit in de manier van verkopen. Nederlandse ondernemers zijn vaak inhoudelijk sterk, maar soms te bescheiden of te technisch in hun verhaal. In Texas moet je sneller duidelijk maken welke waarde je levert. Wat bespaar je? Welk risico verlaag je? Welke groei maak je mogelijk? De pitch moet kort, concreet en commercieel zijn.
Ook juridisch en praktisch zijn er verschillen. Contracten zijn in de VS vaak veel uitgebreider dan in Nederland en worden doorgaans letterlijker gelezen. Zaken als rechtskeuze, forumkeuze, aansprakelijkheid, verzekeringen, arbeidsrecht, visa en compliance moet je vroeg regelen. In Nederland kun je soms vertrouwen op redelijkheid en bestaande kaders. In de VS moet je veel preciezer vooraf vastleggen.
5. Voor welk type bedrijven is Texas vooral interessant?
Vooral grote bedrijven, of liggen er ook kansen voor mkb, startups en scale-ups?
Texas is zeker niet alleen interessant voor grote bedrijven. Er zijn grote Nederlandse spelers actief, met name in energie, logistiek, maritiem, chemie en engineering. Maar juist voor innovatieve mkb-bedrijven, startups en scale-ups liggen er veel kansen.
Voorwaarde is wel dat je klaar bent voor internationalisering. Je product of dienst moet bewezen zijn, je moet capaciteit hebben om op te volgen, je moet nadenken over sales, service en support, en je moet voldoende middelen hebben om de markt serieus te bewerken. De VS is geen markt die je 'erbij' doet.
Voor startups en scale-ups kan Texas heel interessant zijn als er een duidelijke sectorfit is. Denk aan medtech in Houston, sportstech in Dallas, creative tech rond Austin en SXSW, energy tech in Houston, fintech in Dallas-Fort Worth of watertechnologie in gebieden waar flood resilience en droogte grote thema's zijn. Ook dan geldt: begin gefocust. Kies een niche, een regio en een type klant, en bouw van daaruit verder.
6. Wat zijn de grootste valkuilen?
Waar gaat het in de praktijk vaak mis en hoe kunnen bedrijven zich beter voorbereiden?
1Onderschatting. We spreken Engels en kennen Amerikaanse bedrijven, dus het lijkt vast op zakendoen in Europa. Maar de VS is juridisch, commercieel en cultureel echt anders.
2Te breed beginnen. 'We willen naar Amerika' is geen strategie. Weet concreet waarom Texas, waarom deze sector, waarom deze klantgroep en waarom nu.
3Onvoldoende juridische voorbereiding. Contracten, aansprakelijkheid, product liability, arbeidsrelaties, visa, verzekeringen en compliance zijn geen details. Regel die aan de voorkant goed.
4Denken dat één beursbezoek genoeg is. Texas is relationeel. Je moet terugkomen, opvolgen en laten zien dat je ook wilt investeren in de relatie.
5Onvoldoende lokale uitvoering. Wie doet sales? Wie biedt support? Wie reageert op tijdzones? In Texas wordt snelheid gewaardeerd. Reageer je traag, dan is er vaak een concurrent die dat niet doet.
7. Wat is je belangrijkste advies?
Welke eerste stappen raad je aan om de kansen goed te verkennen?
Mijn belangrijkste advies is: kom goed voorbereid, maar kom vooral ook kijken. Texas moet je ervaren. De markt is te groot en te divers om alleen vanaf een bureau in Nederland te beoordelen.
Begin met een scherpe interne analyse. Wat is je concrete propositie? Voor wie los je welk probleem op? Waarom zou een Texaanse klant voor jou kiezen? Welke referenties kun je laten zien? En heb je de capaciteit om de markt op te volgen?
Verzamel daarna gericht marktinformatie en voer gesprekken met partijen die de markt kennen. Neem contact op met RVO, met ons als NBSO Texas en met relevante brancheorganisaties. Kijk welke beurzen, missies of events bij jouw sector passen. Voor het ene bedrijf is een handelsmissie ideaal, voor het andere een gerichte partnersearch of een eerste bezoek aan Houston, Austin of Dallas.
En denk niet meteen in termen van 'we openen een kantoor'. Denk eerst in termen van validatie. Is er vraag? Wie zijn de kopers? Hoe werkt besluitvorming? Wie zijn mogelijke partners? Wat zijn de juridische en operationele randvoorwaarden? Als dat beeld klopt, kun je de volgende stap zetten.
De eerste stap zetten?
Verken de kansen in Texas
Neem contact op met RVO en het NBSO Texas. Samen kijken we of Texas logisch is voor jouw bedrijf en welke eerste stappen bij jouw sector passen. Meer informatie vind je op www.nbso-texas.com.
Het kabinet heeft een internationale strategie gepresenteerd voor veilige en verantwoorde AI. In het bericht van Digitale Overheid wordt duidelijk waar de kern ligt: AI moet niet alleen snel worden ontwikkeld en toegepast, maar ook veilig, verantwoord en toekomstbestendig.
Namens BRAIN Nederland juichen we die richting toe.
AI is allang geen technisch onderwerp meer voor alleen specialisten. Het raakt onze economie, veiligheid, publieke dienstverlening, arbeidsmarkt, democratie en internationale positie. Het kabinet wil met de strategie Nederlandse belangen en waarden beschermen, kansen van AI benutten en de Europese AI-capaciteit versterken. Daarbij wordt ook gewezen op risico’s, zoals strategische afhankelijkheid van niet-Europese aanbieders, cyberdreigingen en desinformatie.
Dat maakt één ding duidelijk: verantwoorde AI ontstaat niet vanzelf.
Van ambitie naar praktijk
Een strategie is belangrijk. Maar uiteindelijk moet verantwoorde AI vooral zichtbaar worden in de praktijk.
Bij AI-aanbieders die transparant zijn over wat hun oplossingen wel en niet kunnen. Bij opdrachtgevers die bewuste keuzes maken. Bij startups die verantwoordelijkheid vanaf het begin meenemen. Bij organisaties die AI niet alleen gebruiken omdat het kan, maar omdat het aantoonbaar waarde toevoegt.
Daar ligt een belangrijke rol voor de sector zelf.
BRAIN Nederland wil bijdragen aan een professionele en betrouwbare AI-markt in Nederland. Een markt waarin kwaliteit zichtbaar wordt, opdrachtgevers beter weten waar ze op moeten letten en AI-organisaties gezamenlijk bouwen aan vertrouwen.
Want als AI steeds belangrijker wordt, moet ook duidelijker worden welke partijen professioneel, transparant en verantwoordelijk werken.
Nederlandse AI verdient meer zichtbaarheid
De internationale strategie benadrukt ook het belang van Europese slagkracht, internationale samenwerking en betere markttoegang voor Nederlandse AI-aanbieders. Dat sluit direct aan bij de missie van BRAIN Nederland.
Nederland heeft veel sterke AI-bedrijven, kennisinitiatieven en startups. Maar de markt is nog jong en voor veel opdrachtgevers onoverzichtelijk. Juist daarom is professionalisering nodig.
Niet om innovatie af te remmen.
Maar om goede innovatie meer ruimte te geven.
Betrouwbaarheid, transparantie en kwaliteit maken AI niet minder ambitieus. Ze maken AI sterker.
Samen verantwoordelijkheid nemen
De strategie van het kabinet bevestigt dat AI een onderwerp is van nationaal en internationaal belang. Maar beleid alleen is niet genoeg. De volgende stap vraagt om samenwerking tussen overheid, bedrijfsleven, kennisinstellingen en maatschappelijke organisaties.
BRAIN Nederland wil daarin de stem zijn van professionele AI-organisaties die niet afwachten, maar verantwoordelijkheid nemen.
Door kennis te delen. Door duidelijke normen te ontwikkelen. Door kwaliteit bespreekbaar te maken. En door samen te bouwen aan vertrouwen in AI.
Want de toekomst van AI wordt niet alleen bepaald door de technologie die we ontwikkelen.
Maar vooral door de verantwoordelijkheid waarmee we haar inzetten.