AI-projecten beginnen nog te vaak bij een tool. Er verschijnt een nieuwe toepassing, een organisatie koopt licenties en daarna wordt gezocht waar die technologie van pas zou kunnen komen. Ben Verschuur draait die volgorde bewust om. “Wij beginnen niet bij de tool, maar bij het werk”, zegt hij. “Welke taken kosten nu de meeste tijd? Waar zit vertraging? En welke werkzaamheden kan AI morgen al overnemen of versnellen?”
Vanuit Rotterdam helpt hij met VerantwoordAI organisaties om AI in te voeren, te gebruiken en verantwoord te organiseren. Met Booming Venture richt hij zich op marketing en sales. Wat beide bedrijven verbindt, vat hij kort samen: “Ons belang is dat het bij de klant werkt.”
Een AI-traject hoeft volgens Verschuur niet groot te beginnen. De meeste waarde ontstaat vaak juist wanneer een organisatie één duidelijk probleem kiest en daar eerst resultaat mee boekt. Bij juristen en inkoopteams helpt AI bijvoorbeeld om aanbestedingen sneller door te lichten, contracten samen te vatten en clausules te controleren. “Werk waar iemand vroeger een hele middag voor moest lezen, kan veranderen in een uur controleren.”
Binnen finance ziet hij vergelijkbare kansen. Met AI en toepassingen als Copilot worden maandrapportages sneller opgebouwd, afwijkingen automatisch gesignaleerd en eerste versies van toelichtingen geschreven. Bij een financiële dienstverlener leverde zo’n toepassing ongeveer acht uur per adviseur per maand op. “Dan wordt AI ineens heel concreet. Je kunt voor een directie gewoon laten zien wat de investering oplevert.”
Ook projectmanagers en teams hebben er snel profijt van. Vergaderingen samenvatten, actiepunten vastleggen, statusrapportages samenstellen uit Teams en e-mail of projectdocumentatie voorbereiden op basis van eerdere versies: het is allemaal repeterend werk dat AI voor een groot deel kan overnemen.
VerantwoordAI werkt daarnaast voor gemeenten en andere publieke organisaties. Daar gaat het naast productiviteit ook nadrukkelijk om governance. Zo hielp het bedrijf een gemeente om binnen dertig dagen een AI-toepassing in de vergunningverlening te beoordelen, een register op te zetten en een dashboard voor de stuurgroep in te richten. “AI gebruiken en AI beheersen horen voor ons bij elkaar”, zegt Verschuur.
Met Booming Venture richt Verschuur zich op marketing en sales. Ook daar is zijn doel niet om zoveel mogelijk AI in te zetten, maar om concrete commerciële waarde te halen. Marketingteams kunnen in korte tijd een volledige contentplanning maken, met blogs, social posts en nieuwsbrieven in de eigen tone of voice. Tegelijk verandert het zoekgedrag.
“Mensen zoeken niet meer alleen via Google”, zegt Verschuur. “Ze stellen hun vragen steeds vaker rechtstreeks aan systemen zoals ChatGPT en Perplexity. Dat betekent dat organisaties ook moeten nadenken over hoe ze daar zichtbaar en vindbaar worden.”
Salesteams gebruiken AI om leads te prioriteren, accountinformatie voor gesprekken te bundelen en persoonlijke opvolging voor te bereiden. Waar een verkoper vroeger soms een uur nodig had om een klantgesprek voor te bereiden, lukt dat nu in sommige gevallen in een paar minuten.
Ook bij offertes liggen veel kansen. AI combineert eerdere succesvolle offertes, informatie over de klant en input uit gesprekken tot een eerste conceptvoorstel. “Dat betekent niet dat de verkoper niets meer hoeft te doen”, zegt hij. “Die beoordeelt, past aan en verstuurt. Maar je kunt de doorlooptijd van dagen terugbrengen naar uren.” Die menselijke controle vindt Verschuur essentieel. AI versnelt het werk, maar de verantwoordelijkheid blijft bij mensen.
Voor data-analyse geldt hetzelfde. Organisaties kunnen klantgedrag analyseren, zien wie mogelijk afhaakt of juist klaar is voor een vervolgaankoop en daar gerichte acties aan koppelen. Ook dan begint het met de vraag wat je wilt bereiken.
Verschuur vindt dat organisaties vooraf moeten bepalen wat een AI-toepassing moet opleveren, bijvoorbeeld in tijd, omzet, kwaliteit, snelheid of klanttevredenheid. “Als je vooraf niet weet wat succes betekent, kun je achteraf ook niet zeggen of AI iets heeft opgeleverd.” Daarom meet zijn team waar mogelijk zowel voor als na een implementatie.
Ook de periode na de invoering krijgt aandacht. Een oplossing die in week één enthousiast wordt gebruikt en twee maanden later nauwelijks meer wordt geopend, levert weinig op. “We zorgen daarom ook voor vervolgprogramma’s. Nieuwe gewoontes moeten onderdeel worden van het werk.” Daarnaast ondersteunt VerantwoordAI stuurgroepen en programmamanagers met de structuur en documentatie die nodig zijn om AI binnen een organisatie bestuurbaar te maken.
Verschuur ziet grote kansen voor Nederland. De adoptie van AI gaat snel en veel organisaties experimenteren, maar dat betekent nog niet dat ze er ook waarde mee creëren. “Gebruiken is iets anders dan resultaat halen.” De organisaties die het goed doen, kiezen eerst een paar concrete toepassingen, maken die meetbaar beter en bouwen daarna verder. “Geen enorm AI-programma waarin je twintig dingen tegelijk probeert. Kleine bewezen stappen die bij elkaar optellen, werken vaak veel beter.”
Tegelijk ziet Verschuur duidelijke risico’s. AI kan informatie verzinnen en gegevens kunnen op de verkeerde plek terechtkomen. Wie werkt met dossiers, klantinformatie of persoonsgegevens, moet daarom zorgvuldig zijn. De AI Act ziet hij niet als een administratieve verplichting die achteraf nog even geregeld moet worden. Het gaat om afspraken over hoe een organisatie met AI werkt. Zijn uitgangspunt is helder:
“Geen AI zonder afspraken, zonder menselijke controle en zonder meting vooraf en achteraf.”
Wanneer organisaties AI ontwikkelen en implementeren, ligt de focus vaak op functionaliteit: wat kan het systeem en hoe snel levert het resultaat?
Volgens Janine Simons is dat maar een deel van het verhaal.
"Een AI-systeem kan technisch indrukwekkend zijn, maar dat betekent nog niet automatisch dat het betrouwbaar, veilig en verantwoord werkt. Uiteindelijk draait het om vertrouwen. En vertrouwen moet je kunnen onderbouwen."
Met ruim vijftien jaar ervaring in Quality Assurance en softwaretesting helpt Janine organisaties om AI-systemen niet alleen werkend te krijgen, maar ook aantoonbaar betrouwbaar en beheersbaar te maken. Daarbij combineert ze haar expertise op het gebied van AI Testing, Quality Assurance en AI Governance.
Tijdens haar loopbaan werkte Janine aan complexe systemen binnen onder meer de financiële sector, overheid en retail. Daar stond altijd dezelfde vraag centraal: hoe weet je zeker dat een systeem doet wat het moet doen?
Met de opkomst van AI werd die vraag alleen maar relevanter.
"Bij traditionele software kun je vaak vooraf bepalen wat de juiste uitkomst moet zijn. Bij AI ligt dat anders. Uitkomsten kunnen variëren en de kwaliteit van een antwoord is niet altijd zwart-wit te beoordelen. Dat vraagt om een andere aanpak van kwaliteit en testing."
Juist daarom ziet Janine een belangrijke rol voor AI Testing als onderdeel van verantwoord AI-gebruik.
De aandacht voor AI Governance groeit snel. Organisaties ontwikkelen beleid, richtlijnen en kaders om AI verantwoord in te zetten. Een positieve ontwikkeling, vindt Janine.
Toch ziet zij dat er vaak iets ontbreekt.
"Governance beschrijft hoe je wilt dat AI wordt gebruikt. Maar daarmee weet je nog niet of een AI-systeem in de praktijk daadwerkelijk aan die afspraken voldoet."
Volgens haar ontstaat die zekerheid pas wanneer governance wordt gecombineerd met testen, validatie en monitoring.
"Je kunt op papier vastleggen welke risico's je wilt beheersen, maar uiteindelijk moet je ook aantonen dat de maatregelen werken."
Janine verwacht dat AI Assurance de komende jaren een steeds belangrijker vakgebied wordt. Daarbij komen verschillende disciplines samen: governance, risicoanalyse, testing, validatie en monitoring.
Het doel is eenvoudig: organisaties helpen om niet alleen vertrouwen uit te spreken, maar ook bewijs te leveren dat hun AI-systemen veilig, betrouwbaar en compliant functioneren.
"Klanten, toezichthouders en medewerkers willen steeds vaker weten hoe AI wordt ingezet en welke waarborgen zijn ingebouwd. Dan is het niet voldoende om te zeggen dat je het goed geregeld hebt. Je moet het kunnen aantonen."
Volgens Janine geldt dit niet alleen voor grote organisaties met complexe compliance-eisen. Ook startups kunnen hier voordeel uit halen.
"Wanneer je vanaf de eerste versie van je product nadenkt over kwaliteit, risico's en governance, voorkom je dat je later alles moet aanpassen. Het helpt je bovendien om vertrouwen op te bouwen bij klanten en investeerders."
Naast adviesopdrachten verzorgt Janine daarom ook workshops en trainingen over AI Quality, AI Testing en AI Governance, waarbij de focus ligt op het praktisch toepassen van kwaliteitsprincipes binnen AI-ontwikkeling.
Voor Janine is aansluiting bij BRAIN Nederland een logische stap.
"De uitdagingen rondom AI zijn te groot om alleen op te lossen. We hebben samenwerking nodig tussen ondernemers, onderzoekers, beleidsmakers en technologie-experts."
Volgens haar biedt BRAIN Nederland een waardevol platform om kennis te delen, ervaringen uit te wisselen en gezamenlijk te werken aan standaarden voor betrouwbare AI.
"Innovatie en verantwoordelijkheid hoeven elkaar niet te vertragen. Sterker nog: organisaties die kwaliteit vanaf het begin goed organiseren, kunnen juist sneller en met meer vertrouwen innoveren."
Als er één boodschap is die Janine organisaties wil meegeven, dan is het deze:
"We moeten niet alleen vragen wat AI kan. We moeten ook vragen of het betrouwbaar werkt, of de risico's beheersbaar zijn en of we dat kunnen aantonen."
Want uiteindelijk ontstaat vertrouwen niet door mooie beloftes, maar door bewijs.
"Vertrouwen in AI ontstaat pas echt wanneer je kunt aantonen waarom dat vertrouwen terecht is."
Iedere dag verschijnen nieuwe AI-tools, ontstaan nieuwe bedrijven en worden bestaande producten uitgebreid met AI. Wie probeert het overzicht te bewaren, merkt al snel hoe ingewikkeld dat is geworden.
Welke toepassingen krijgen daadwerkelijk voet aan de grond? Waar ontstaan nieuwe AI-bedrijven? Welke sectoren ontwikkelen zich het snelst? En hoe staat Nederland er internationaal voor?
Precies die vragen vormen het werkterrein van RankmyAI.
Het onafhankelijke AI market intelligence-platform volgt en analyseert maandelijks meer dan 63.000 AI-tools en bedrijven wereldwijd en heeft daarmee een van de meest omvangrijke onafhankelijke databronnen rond het internationale AI-landschap opgebouwd.
Voor medeoprichter en CEO Jesse Weltevreden draait het daarbij niet om nóg meer aandacht voor de nieuwste AI-hype.
Het draait om inzicht.
“We willen begrijpen hoe het AI-landschap zich ontwikkelt: waar nieuwe bedrijven ontstaan, welke use cases tractie krijgen, waar investeringen naartoe gaan en welke landen en regio’s bepaalde specialisaties ontwikkelen.”
RankmyAI ontstond vanuit een ogenschijnlijk eenvoudige constatering: de AI-markt groeit zo snel dat niemand het geheel nog handmatig kan overzien.
Daarom brengt het platform grote hoeveelheden informatie samen over AI-tools en bedrijven. Denk aan herkomst, gebruik, doelgroepen, use cases, bedrijfskenmerken, reviews en investeringen.
AI wordt daarbij ook ingezet om nieuwe bedrijven en tools te ontdekken, te analyseren en te classificeren.
Het resultaat is veel meer dan een directory.
RankmyAI publiceert rankings, analyses, buyer guides, onderzoeksrapporten en interactieve kaarten waarmee ontwikkelingen binnen landen, regio’s en sectoren zichtbaar worden.
“Voor gebruikers brengen we overzicht in een woud van tienduizenden AI-tools. Maar onze data maakt het ook mogelijk om grotere vragen te beantwoorden. Hoe ontwikkelt een AI-ecosysteem zich? Waar ontstaat groei? Welke toepassingen winnen terrein?”
Die kennis wordt inmiddels ook ingezet voor onderzoek voor overheden, universiteiten, brancheorganisaties en internationale organisaties, waaronder de Verenigde Naties.
Een belangrijk verschil met veel commerciële AI-directories is dat een positie binnen RankmyAI niet gekocht kan worden.
Geen betaalde topposities, geen affiliate-deals die bepalen welke tool bovenaan staat.
De rankings worden opgebouwd uit verschillende meetbare marktsignalen, waaronder webverkeer, reviews en investeringen. RankmyAI beschrijft zijn methodologie publiekelijk en voert naast geautomatiseerde analyses ook handmatige kwaliteitscontroles uit.
“We willen bewust verder kijken dan de hype rond individuele tools. Het gaat uiteindelijk om de vraag welke oplossingen daadwerkelijk tractie krijgen en welke bedrijven echte waarde weten te creëren.”
Juist in een markt waarin vrijwel iedere week nieuwe beloften ontstaan, wordt dat onderscheid steeds belangrijker.
Ook het Nederlandse AI-landschap wordt door RankmyAI nauwgezet gevolgd.
Inmiddels brengt het platform meer dan 2.000 Nederlandse AI-tools en bedrijven in kaart. Volgens Weltevreden valt vooral de breedte op. AI-bedrijven zijn actief in vrijwel iedere sector, van healthcare en data science tot marketing, finance, industrie en retail.
Maar aantallen vertellen volgens hem niet het hele verhaal.
“Het aantal AI-bedrijven zegt op zichzelf weinig over de kwaliteit van het landschap. Veel interessanter is welke tools daadwerkelijk worden gebruikt, welke bedrijven echte waarde creëren en welke erin slagen om de startupfase te ontgroeien.”
Daar ligt volgens Weltevreden ook een belangrijke uitdaging voor Nederland.
Het Nederlandse AI-landschap is internationaal gezien relatief jong en bestaat voor een groot deel uit kleinere bedrijven. Tegelijkertijd ziet hij juist veel kansen voor ondernemingen die gespecialiseerde AI-oplossingen ontwikkelen voor specifieke sectoren en toepassingen.
Voor verdere groei is volgens Weltevreden een sterk ecosysteem nodig waarin bedrijven, kennisinstellingen, onderwijs, investeerders en overheid elkaar beter weten te vinden.
Daarom sloot RankmyAI zich vanaf het begin aan bij BRAIN Nederland.
En niet alleen als Founding Member, maar ook als Founding Partner.
RankmyAI kan met zijn data bijvoorbeeld zichtbaar maken waar Nederland sterk in is, waar ontwikkelingen achterblijven en hoe ons AI-landschap zich verhoudt tot andere landen.
Die samenwerking krijgt de komende periode verder vorm.
BRAIN Nederland en RankmyAI willen gezamenlijk relevante inzichten over de ontwikkeling van de AI-sector delen. Niet op basis van aannames of incidenten, maar zoveel mogelijk ondersteund door data.
Hans Schuurmans, voorzitter van BRAIN Nederland:“RankmyAI heeft iets opgebouwd waar we als Nederlandse AI-sector trots op mogen zijn. Ze zijn op dit gebied niet alleen toonaangevend in Nederland. Hun gegevens, onderzoeken en inzichten worden wereldwijd gebruikt door partijen die het AI-landschap echt willen begrijpen. Dat RankmyAI zich als Founding Partner aan BRAIN Nederland verbindt, is daarom van grote waarde. Samen kunnen we ontwikkelingen in onze markt beter zichtbaar maken en de discussie over de toekomst van AI in Nederland veel sterker met feiten onderbouwen.”
Voor Weltevreden past die samenwerking bij wat de Nederlandse AI-sector volgens hem nu nodig heeft: kennis delen, kwaliteit zichtbaar maken en ervoor zorgen dat bedrijven en professionals gezamenlijk een volwassen sector opbouwen.
“Juist omdat AI nog volop in ontwikkeling is, is het belangrijk dat partijen elkaar weten te vinden en zich organiseren.”
En misschien is dat wel precies waar data uiteindelijk het verschil maakt.
Niet door te voorspellen welke hype morgen de grootste wordt.
Maar door zichtbaar te maken wat er werkelijk gebeurt.
“We moeten iets met AI.”
Kaspar van Hulst hoorde die zin de afgelopen jaren bij bijna iedere organisatie waar hij binnenkwam. De urgentie is begrijpelijk. AI ontwikkelt zich razendsnel en vrijwel iedere directie voelt dat er iets moet gebeuren.
Maar juist daar begint volgens hem het probleem.
“Iets met AI” is geen strategie. Het is een gevoel. En een gevoel kun je niet begroten, niet prioriteren en ook niet stoppen.”
Twee jaar geleden richtte van Hulst daarom Straightable Innovatie & Strategie op. Zijn doel: organisaties helpen om van AI-enthousiasme naar concrete keuzes te komen.
Niet beginnen bij de technologie, maar bij de vraag waar AI daadwerkelijk waarde moet toevoegen.
En minstens zo belangrijk: waar voorlopig niet.
Van Hulst vergelijkt AI-transformatie graag met een verbouwing.
“Veel organisaties beginnen bij de gereedschapskist. Daar zit ineens heel veel nieuw en interessant gereedschap in. Maar ik begin liever bij de tekening. Wat wil je eigenlijk bouwen?”
Dat betekent dat Straightable geen AI-licenties verkoopt en ook geen implementatiecapaciteit levert.
Die onafhankelijkheid is volgens van Hulst essentieel.
“Het antwoord op de vraag of een bepaalde AI-toepassing er moet komen, mag bij mij ook gewoon nee zijn. Als ik verdien aan de implementatie, wordt zo’n antwoord automatisch lastiger.”
Zijn klanten zijn vooral directies binnen het groot-MKB en organisaties in de laag daar net boven. Bedrijven die vaak nog geen eigen AI-expertise in huis hebben, maar wel beslissingen moeten nemen die grote gevolgen kunnen hebben voor hun organisatie.
Het werk begint bij Straightable meestal met de vraag waar een organisatie op dit moment staat.
Daarvoor ontwikkelde van Hulst een AI-Assessment, gebaseerd op het whitepaper ‘AI is een leiderschapsopgave’, dat hij samen schreef met associate professor Frederik Situmeang van Hogeschool van Amsterdam.
Daarin worden organisaties langs vijf domeinen bekeken:
strategie, operatie, technologie & data, bestuur & ethiek en mens & cultuur.
“AI raakt al die onderdelen. Daarom kun je het niet alleen bij IT neerleggen.”
Na het assessment helpt van Hulst directies om hun keuzes terug te brengen tot één duidelijke pagina.
Niet alleen wat een organisatie wél gaat doen, maar ook wat bewust blijft liggen.
Vervolgens wordt er een portfolio ingericht met duidelijke eigenaren per toepassing en met vaste momenten waarop besloten wordt of een experiment stopt of verder wordt opgeschaald.
“Een pilot die nergens naartoe gaat, is geen innovatie. Je moet vooraf weten wanneer iets succesvol genoeg is om door te gaan en wanneer je ermee stopt.”
Als een organisatie nog niemand heeft die deze ontwikkeling kan dragen, kan van Hulst die rol tijdelijk zelf vervullen, dicht tegen de directie aan.
Bouwen laat hij bewust aan anderen over.
“Er zijn genoeg goede AI-leveranciers. Mijn rol is ervoor zorgen dat de vraag scherp is vóórdat die bij een leverancier terechtkomt.”
Dat voorkomt volgens hem teleurstelling aan beide kanten.
Van Hulst is optimistisch over de kansen van AI voor Nederland.
“We staan nog maar aan het begin. Deze geest gaat niet meer terug in de fles.”
Volgens hem zullen mens en AI de komende jaren organisaties en complete bedrijfstakken veranderen.
Dat hoeft volgens van Hulst geen reden voor angst te zijn.
“Mensen hebben zich bij iedere grote technologische verschuiving aangepast. Vaak sneller dan vooraf werd gedacht. Ik zie geen reden waarom dat nu anders zou zijn. Ik vind het eerlijk gezegd een voorrecht om dit van dichtbij mee te maken.”
Nederland heeft volgens hem bovendien een interessante uitgangspositie.
We hebben misschien geen eigen hyperscalers en geen modellen die kunnen concurreren met de grootste internationale spelers, maar dat hoeft ook niet.
“Het verschil wordt uiteindelijk gemaakt in de toepassing.”
Nederland heeft volgens van Hulst sterke processen, een praktische manier van werken en een lange traditie van technologie toepassen op concrete problemen.
Daar zit een kans.
Maar die voorsprong blijft niet automatisch bestaan.
“Als we wachten tot de Verenigde Staten en China het voor ons hebben uitgezocht, verdampt die voorsprong.”
Volgens van Hulst zit daar tegelijkertijd een belangrijke waarschuwing.
AI verschilt fundamenteel van eerdere digitaliseringsgolven.
Een traditioneel softwaresysteem voert steeds dezelfde geprogrammeerde handeling uit. Een AI-model werkt met waarschijnlijkheden, kan leren en krijgt steeds vaker een rol in het voorbereiden of ondersteunen van beslissingen.
Daarmee verandert niet alleen de techniek.
Ook werk, verantwoordelijkheid en besluitvorming veranderen mee.
“Organisaties die AI als een traditioneel IT-project behandelen, halen misschien de technologie binnen, maar laten de belangrijkste vragen liggen.”
Die vragen zijn volgens hem vooral bestuurlijk.
Welke besluiten mag AI voorbereiden?
Welke beslissingen moeten altijd bij een mens blijven?
Is de data goed genoeg?
Wie is eigenaar van een toepassing?
Wie heeft mandaat én budget?
En weet de organisatie vóór ingebruikname in welke risicoklasse binnen de EU AI Act een toepassing valt?
Wie die vragen serieus beantwoordt, houdt volgens van Hulst meestal minder AI-projecten over.
Maar dat is volgens hem juist winst.
“Minder initiatieven betekent niet dat je achterloopt. Het betekent vaak dat je voor het eerst echt hebt gekozen.”
Dat kiezen wordt volgens van Hulst een van de belangrijkste competenties voor directies.
De verleiding is groot om mee te gaan in iedere nieuwe tool, mogelijkheid of belofte.
Maar strategie betekent ook nee zeggen.
AI moet volgens hem altijd verbonden zijn aan een concreet probleem, een eigenaar en een meetbaar resultaat.
Anders ontstaat een verzameling experimenten die energie, tijd en geld kosten, maar nauwelijks structurele waarde opleveren.
“De vraag is niet hoeveel AI-projecten je hebt. De vraag is welke toepassingen echt bijdragen aan je organisatie.”
Juist omdat de AI-markt zich zo snel ontwikkelt, vindt van Hulst samenwerking binnen de sector belangrijk.
Voor klanten is het volgens hem steeds moeilijker om te beoordelen welke leverancier betrouwbaar is, welke belofte realistisch is en welke organisatie over een paar jaar nog bestaat.
Daarom sloot Straightable zich aan als Founding Member van BRAIN Nederland.
“Als ik directies adviseer bij hun keuzes, helpt het enorm wanneer leveranciers zich verbinden aan afspraken over eerlijke communicatie, data, wetgeving en wat hun technologie wel en niet kan.”
De gedragscode van BRAIN Nederland maakt zijn eigen advieswerk daarmee volgens hem concreet beter.
Maar Founding Member worden betekent voor hem ook invloed willen hebben op hoe de sector zich ontwikkelt.
“Als je vindt dat een sector afspraken nodig heeft, moet je erbij zijn wanneer die afspraken worden gemaakt. Niet pas aanschuiven als ze klaar zijn.”
Een onafhankelijke branchevereniging kan volgens van Hulst bovendien de plek zijn waar vraag en aanbod elkaar ontmoeten voordat er een contract op tafel ligt.
Dat wordt de komende jaren alleen maar belangrijker.
“Overheid en toezichthouders gaan met deze sector praten, of we ons nu organiseren of niet. Het verschil is of je zelf aan tafel zit of dat er over je wordt gesproken.”
Ook het erkenningsmerk waaraan BRAIN Nederland werkt, ziet hij als belangrijk.
“Dat wordt straks een van de dingen waar mijn klanten naar gaan vragen. En eerlijk gezegd ga ik ze zelf adviseren om erop te letten.”
Voor van Hulst draait volwassen AI-adoptie uiteindelijk om één ding:
niet zoveel mogelijk AI inzetten, maar bewust kiezen waar AI aantoonbaar waarde toevoegt.
En juist daarin ligt volgens hem de verantwoordelijkheid van leiders, adviseurs én leveranciers.
Nog nooit was het zo eenvoudig om software te bouwen. Met AI kunnen applicaties in hoog tempo worden ontwikkeld, aangepast en uitgerold. Maar juist die snelheid brengt volgens Marc Dekeyser een nieuw risico met zich mee.
Want wie controleert eigenlijk of het fundament waarop al die technologie wordt gebouwd nog klopt?
Dekeyser werkt ruim twintig jaar in IT, waarvan tien jaar als cloudarchitect voor organisaties als Microsoft, Sogeti en VolkerWessels, zowel in Europa als in de Verenigde Staten. De laatste drie jaar begeleidde hij startups en scale-ups via Microsoft for Startups.
Daar zag hij steeds opnieuw hetzelfde patroon.
Architecturen die waren ontworpen voor een organisatie van twee jaar geleden. Security en compliance die pas aandacht kregen zodra een grote klant erom vroeg. En vooral: een tekort aan ervaren mensen die het totale technische landschap konden overzien.
Met Crimson Owl Technologies probeert hij precies dat probleem op te lossen.
“Architectuur is het fundament van een organisatie, net als bij een huis. Je ziet het meestal niet en je merkt het vaak pas wanneer het niet deugt,” zegt Dekeyser.
Dat probleem wordt volgens hem alleen maar belangrijker nu AI het ontwikkelen van software toegankelijker maakt.
Applicaties kunnen sneller worden gebouwd dan ooit. Maar de kennis over security, cloudarchitectuur, compliance en schaalbaarheid groeit niet automatisch mee.
“De drempel om iets te bouwen is in twee jaar tijd vrijwel verdwenen. De kennis die nodig is om het goed te doen, is dat niet.”
Crimson Owl Technologies ontwikkelde daarom Platform Architecture Authority, PAA. Daarmee legt Dekeyser zijn expertise als cloudarchitect vast in software.
Het uitgangspunt is eenvoudig: een organisatie moet toegang kunnen krijgen tot architectuurkennis van senior niveau, zonder zelf een compleet architectuurteam in dienst te hebben.
PAA ontwerpt en toetst cloudarchitecturen.
Een organisatie legt uit wat zij wil realiseren en vanuit welke situatie zij vertrekt. Vervolgens maakt PAA een ontwerp inclusief onderbouwing en toetst dit onder meer op netwerkarchitectuur, identiteit, security en kosten.
“Normaal heb je verschillende specialisten nodig die elkaars werk bekijken en agenda’s op elkaar moeten afstemmen. Wat voorheen weken kon kosten, kan zo binnen ongeveer een uur worden uitgevoerd.”
De eerste zeven klanten die via PAA een ontwerp ontvingen, namen dat volgens Dekeyser ongewijzigd over.
“Dat was voor ons het moment waarop we zagen dat het principe werkte.”
Maar een goed architectuurontwerp is slechts het begin.
Want vrijwel iedere organisatie heeft ergens een architectuurplaat liggen.
De vraag is alleen: klopt die nog met de werkelijkheid?
Met leesrechten die een klant zelf verstrekt en ook weer kan intrekken, kan PAA controleren hoe een cloudomgeving daadwerkelijk is ingericht.
Het systeem vergelijkt die werkelijkheid vervolgens met het oorspronkelijke ontwerp en met relevante eisen en regels.
“Bijna iedere organisatie heeft een architectuurtekening. Maar in de praktijk verandert een omgeving voortdurend. Vaak merk je pas tijdens een audit dat de werkelijkheid inmiddels heel anders is.”
Daarbij kijkt PAA volgens Dekeyser nadrukkelijk naar de inrichting van systemen en niet naar de inhoud.
“Wij hoeven geen mailboxen, documenten of bedrijfsgegevens te lezen. We willen weten hoe de omgeving technisch is ingericht.”
Vooral Nederlandse middelgrote organisaties in gereguleerde sectoren kunnen daarvan profiteren. Zij moeten steeds vaker aantonen dat hun IT-omgeving beheerst en veilig is, maar zijn vaak te klein voor een eigen architectuurteam.
Een tweede belangrijke doelgroep bestaat uit startups en scale-ups die werken op Microsoft Azure.
Dekeyser kent die wereld goed.
“De vraag naar architectuur komt daar vaak pas bij de technische due diligence van een investeerder, bij de securityvragenlijst van de eerste grote klant of op het moment dat de groei de architectuur heeft ingehaald.”
Dekeyser ziet enorme kansen voor AI in Nederland, maar is tegelijkertijd kritisch over de manier waarop veel toepassingen worden ontwikkeld.
“Het is op dit moment voor een deel het wilde westen. Iedereen kan een applicatie bouwen, publiceren en gegevens verwerken, zonder ooit iets over softwarearchitectuur of security geleerd te hebben.”
Daar komt volgens hem de druk bij om vooral snel “iets met AI” te doen.
Terwijl de eerste vraag een andere zou moeten zijn:
“Veel mislukte AI-projecten beginnen met de technologie en niet met de vraag. Maar zonder een scherp omschreven taak kun je achteraf ook niet vaststellen of het resultaat goed is.”
De grootste kansen ziet hij juist bij concrete werkzaamheden binnen Nederlandse organisaties.
Te weinig mensen. Te veel handmatig werk. Specialistische kennis die verdwijnt wanneer een ervaren medewerker vertrekt.
“De grootste winst zit niet in nóg een chatinterface. De kans zit in echt vakwerk en taken die nu blijven liggen omdat er niemand is die ze kan uitvoeren.”
Daarbij is één principe voor Dekeyser essentieel: een AI-uitkomst moet kunnen worden getoetst.
Een taalmodel kan immers met grote overtuiging een antwoord produceren dat feitelijk onjuist is.
Daarom werkt PAA met vaste maatstaven, waaronder Microsofts Cloud Adoption Framework, het Well-Architected Framework en regelgeving die voor de betreffende klant relevant is.
“Als je de maatstaf openlaat, kan een model zijn eigen norm bedenken. Dan krijg je misschien een prachtig onderbouwd antwoord, maar tegen een norm die helemaal niet bestaat.”
AI moet volgens hem daarom werken met gegevens uit de werkelijke omgeving van een organisatie én met vooraf bepaalde criteria waaraan een antwoord wordt getoetst.
Ook over gegevensverwerking kiest Crimson Owl Technologies bewust voor openheid.
Op de website is zichtbaar welke gegevens worden verwerkt, waar ze worden opgeslagen, welke andere partijen daarbij betrokken zijn en of gegevens buiten de Europese Unie terechtkomen.
Ook zaken die nog niet geregeld zijn, worden benoemd.
“We werken volgens ISO 27001 en maken dat inzichtelijk via ons publieke trust-portaal, maar we zijn nog niet gecertificeerd. Dan moet je dat ook gewoon zo zeggen.”
Voor Dekeyser is dat een belangrijk verschil.
“Transparantie is voor mij niet zeggen dat je transparant bent. Een klant moet het zelf kunnen controleren zonder er eerst om te hoeven vragen.”
En uiteindelijk blijft de verantwoordelijkheid volgens hem bij de organisatie die AI inzet.
“‘De AI zei het’ kan nooit het antwoord zijn wanneer er iets misgaat.”
Die visie is een belangrijke reden waarom Crimson Owl Technologies zich als Founding Member bij BRAIN Nederland heeft aangesloten.
Dekeyser herkent zich in de ambitie om als AI-sector zelf afspraken te maken over kwaliteit en verantwoord gebruik, in plaats van uitsluitend te wachten tot regelgeving bepaalt wat wel en niet mag.
“Verantwoorde AI is nu nog te vaak een zin in een marketingtekst. Maar als een klant het verschil niet kan zien tussen een leverancier die zijn zaken echt op orde heeft en iemand die dat alleen beweert, dan heeft zo’n term weinig waarde.”
Daarom zijn volgens hem concrete en toetsbare afspraken nodig over onderwerpen als transparantie, security, gegevensverwerking en compliance.
Dat helpt niet alleen klanten, maar ook kleinere AI-bedrijven.
“Wij worden beoordeeld door inkoop- en securityafdelingen die vaak gewend zijn aan grote leveranciers. Een kleiner bedrijf kan inhoudelijk alles uitstekend geregeld hebben en op papier toch verliezen. Een gedeelde norm vanuit de sector kan daar enorm bij helpen.”
Voor Dekeyser gaat het uiteindelijk om vertrouwen.
En dat vertrouwen ontstaat niet doordat de sector alleen vertelt hoe krachtig AI is.
Het ontstaat wanneer organisaties ook bereid zijn te laten zien hoe ze werken, waarop hun technologie wordt getoetst en waar de grenzen liggen.
“Als we willen dat organisaties AI vertrouwen, moeten we zorgen dat kwaliteit niet alleen wordt beloofd, maar ook aantoonbaar wordt.”
Precies daarom wil Crimson Owl Technologies binnen BRAIN Nederland bijdragen aan een professionele AI-sector waarin innovatie, transparantie en verantwoordelijkheid samen optrekken.
Organisaties investeren massaal in AI-tools, modellen en licenties. Maar daarmee ontstaat nog geen succesvolle AI-organisatie.
Want uiteindelijk moeten mensen ermee kunnen werken.
Volgens Guillaume van Genk van Spike Academy zit daar op dit moment misschien wel de grootste uitdaging voor Nederlandse organisaties.
“Er wordt veel geïnvesteerd in technologie en veel minder in het bekwaam maken van mensen. Als je dat niet tegelijk doet, blijft de opbrengst achter. En dan ontstaat al snel cynisme over AI.”
Spike Academy helpt organisaties in Nederland en België om leren en ontwikkelen professioneel in te richten. Van strategie en leerlandschap tot technologie, content en uitvoering.
En AI speelt daarin een steeds grotere rol.
Niet beginnen met de tool, maar met wat mensen moeten kunnen
Spike Academy en zusterbedrijf Newblend benaderen AI vanuit twee verschillende kanten.
Newblend richt zich op de implementatie van AI binnen de organisatie als geheel. Van selectie en inrichting van oplossingen tot integraties, beveiliging en begeleiding van medewerkers.
Spike Academy doet dat specifiek binnen Learning & Development.
“We brengen AI daadwerkelijk de organisatie in. We praten er niet alleen over.”
Daarbij wordt onder andere gewerkt met agentic AI: AI-agents die zelfstandig taken binnen leerprocessen kunnen uitvoeren.
Maar technologie is nooit het vertrekpunt.
Guillaume: “We zien nog te vaak dat organisaties eerst een platform of tool aanschaffen en daarna gaan nadenken over wat medewerkers ermee zouden moeten kunnen.”
Spike Academy draait die volgorde bewust om.
“Begin bij het vraagstuk en het gedrag dat je op de werkvloer wilt zien. Daarna pas bepaal je welke technologie daarbij hoort.”
Want leren moet volgens Guillaume uiteindelijk aantoonbaar iets opleveren in het dagelijkse werk.
De dienstverlening van Spike Academy bestaat grofweg uit drie onderdelen.
Het eerste is leertechnologie. Daarbij helpt het bedrijf organisaties bij het selecteren, implementeren en beheren van leerplatformen zoals LMS- en LXP-systemen en authoringtools. Ook migraties en koppelingen met bestaande HR- en IT-systemen horen daarbij.
Daarnaast ontwikkelt Spike Academy leercontent, waaronder e-learning en blended leeroplossingen.
Het derde onderdeel is L&D-as-a-Service.
“We kunnen de Learning & Development-functie geheel of gedeeltelijk overnemen. Van opleidingsadvies en uitvoering tot rapportage.”
AI loopt inmiddels door al die onderdelen heen.
Zo wordt AI ingezet om bestaande kennis binnen organisaties toegankelijk te maken, content sneller te ontwikkelen en leertrajecten persoonlijker te maken.
Volgens Guillaume betekent de komst van agentic AI een volgende stap.
AI ondersteunt niet meer alleen bij een taak, maar kan onderdelen van het leerproces zelfstandig uitvoeren.
“Dat is een wezenlijk verschil. We gaan van systemen die mensen helpen naar systemen die zelf bepaalde werkzaamheden uitvoeren.”
Juist binnen Learning & Development ontstaan daardoor nieuwe mogelijkheden.
Content kan sneller worden ontwikkeld. Bestaande organisatiekennis kan beter worden ontsloten. En gepersonaliseerd leren, dat voorheen vooral haalbaar was voor grote organisaties met forse budgetten, komt binnen bereik van veel meer werkgevers.
Spike Academy werkt daarbij voor uiteenlopende sectoren, waaronder technische bedrijven, productieomgevingen, consultancy, dienstverlening, overheid, onderwijs en zorg.
Van MKB tot grote organisaties.
“Wij maken vooral verschil waar opleiden echt belangrijk is, maar waar de eigen L&D-capaciteit beperkt is of de bestaande aanpak niet meer aansluit bij het tempo waarin de organisatie verandert.”
Dat de aanpak ook internationaal opvalt, blijkt uit de nominatie voor de Learning Technologies Awards 2026.
Spike Academy staat met de inzending Context Hub op de shortlist.
Guillaume vindt vooral belangrijk dat het geen speciaal voor een award gebouwde demonstratie is.
“Het komt rechtstreeks uit een lopend klantproject. Dat maakt die erkenning voor ons waardevol. Het laat zien dat wat we ontwikkelen ook daadwerkelijk in de praktijk wordt gebruikt.”
Die praktische toepasbaarheid is voor Spike Academy een belangrijk uitgangspunt.
AI moet niet indrukwekkend zijn tijdens een demonstratie.
Het moet daadwerkelijk iets verbeteren.
Daar ligt volgens Guillaume tegelijkertijd een belangrijke uitdaging voor organisaties.
De beschikbaarheid van AI-tools neemt razendsnel toe. De menselijke vaardigheid om die technologie verstandig en effectief te gebruiken groeit niet automatisch mee.
“De echte bottleneck zit op dit moment niet bij de beschikbaarheid van AI. Die zit bij het vermogen van organisaties en medewerkers om er goed mee te werken.”
Wie alleen licenties beschikbaar stelt, heeft volgens hem nog geen AI-transformatie gerealiseerd.
Medewerkers moeten begrijpen wat een systeem kan, wat het niet kan, wanneer ze een uitkomst kunnen gebruiken en wanneer menselijke beoordeling noodzakelijk blijft.
Daarom is AI-adoptie volgens Spike Academy onlosmakelijk verbonden met leren en ontwikkelen.
Die adoptie moet wel zorgvuldig gebeuren.
Spike Academy onderscheidt drie belangrijke aandachtspunten: data en privacy, kwaliteit en verantwoording en transparantie.
Vooral binnen leren en ontwikkelen worden veel persoonsgegevens verwerkt.
Denk aan leerresultaten, voortgang en gegevens over ontwikkeling van medewerkers.
Guillaume: “Bij iedere implementatie beginnen wij met de vraag waar de data terechtkomt en wie erbij kan. Daarna praten we pas over functionaliteit.”
Ook de kwaliteit van AI-gegenereerd leermateriaal vraagt aandacht.
Wanneer opleidingen gekoppeld zijn aan certificering, veiligheid of compliance, kan een fout grote consequenties hebben.
“AI kan enorm helpen bij contentproductie, maar een vakinhoudelijke eindcontrole door een mens blijft noodzakelijk.”
Daarnaast moeten medewerkers volgens hem weten wanneer AI wordt gebruikt en welke rol technologie speelt in hun ontwikkeling of beoordeling.
Met de Europese AI-regelgeving wordt die transparantie bovendien steeds minder vrijblijvend.
Guillaume pleit daarom niet voor terughoudendheid, maar voor een verstandige aanpak.
“Begin klein, meet de opbrengst en investeer minstens zoveel in mensen als in technologie.”
Daarmee voorkom je volgens hem dat AI een verzameling losse experimenten wordt.
Technologie moet uiteindelijk leiden tot beter werk, betere ontwikkeling van medewerkers of aantoonbaar betere resultaten voor de organisatie.
De snelle groei van de AI-markt is voor Spike Academy ook een belangrijke reden om zich als Founding Member bij BRAIN Nederland aan te sluiten.
“Opdrachtgevers willen AI inzetten, maar vinden het steeds moeilijker om te beoordelen welke aanbieder serieus is en wie vooral goed kan presenteren.”
Een brancheorganisatie kan daarin volgens Guillaume een belangrijke rol spelen.
BRAIN Nederland werkt aan een gedragscode, kwaliteitsstandaarden en uiteindelijk een onafhankelijk erkenningsmerk.
“Een claim krijgt pas echt waarde wanneer die onafhankelijk kan worden getoetst.”
Spike Academy wil niet afwachten tot die standaarden er zijn, maar actief bijdragen aan de ontwikkeling ervan.
Daarbij wil Guillaume binnen BRAIN Nederland vooral aandacht vragen voor de menselijke kant van AI.
“AI wordt pas waardevol als mensen ermee leren werken. Die leerkant moet daarom een volwaardige plek krijgen in het gesprek over verantwoorde AI.”
Hij ziet nog een reden waarom AI-organisaties zich zouden moeten aansluiten.
Klanten, overheden en onderwijsinstellingen zullen volgens hem steeds vaker vragen om aantoonbare kwaliteit. Wie nu deelneemt aan het gesprek over normen en professionalisering, kan mede bepalen hoe die sector zich ontwikkelt.
En minstens zo belangrijk: organisaties ontmoeten binnen BRAIN Nederland andere partijen die AI serieus willen toepassen.
Want uiteindelijk ligt de sleutel tot succesvolle AI-adoptie volgens Guillaume niet alleen in betere modellen.
De echte vooruitgang ontstaat wanneer technologie én mensen zich tegelijkertijd ontwikkelen.
Het motto van Kruso staat op het eerste gezicht op scherp: it’s never about technology. Voor een digitaal consultancy- en technologiebedrijf is dat een opvallende uitspraak. Toch is het precies waar Marloes Naber, CEO van Kruso en Founding Member van BRAIN Nederland, elk gesprek mee begint. Niet omdat technologie onbelangrijk zou zijn, maar omdat het nooit het doel op zichzelf is.
Kruso is actief in Nederland, Denemarken, Zweden, Duitsland en Oekraïne en werkt vooral voor complexe B2B-organisaties. Het bedrijf adviseert niet alleen, maar ontwerpt en bouwt ook de oplossingen waarmee verandering daadwerkelijk kan plaatsvinden.
HET UITGANGSPUNT
“Daarmee bedoelen we niet dat technologie onbelangrijk is. Integendeel. Maar technologie is nooit het doel op zichzelf.”
Kruso begint daarom bij het bedrijfsprobleem. Welk resultaat wil je bereiken? Waar loopt een klant of medewerker vandaag vast? En welk werk moet daarvoor anders worden ingericht? Pas daarna komt de vraag welke digitale oplossingen, data, integraties of AI nodig zijn.
Voor AI geldt volgens Marloes precies hetzelfde uitgangspunt.
“De interessante vraag is niet: waar kunnen we AI inzetten? De interessante vraag is: welk probleem willen we oplossen, wat verandert er in het werk en waar kan AI aantoonbaar waarde toevoegen?”
DE PRAKTIJK
Kruso werkt veel voor complexe B2B-organisaties. Vaak zijn dat bedrijven die al flink hebben geïnvesteerd in ERP, CRM, commerce, klantportalen en productdata, maar waar achter die digitale voorkant nog veel menselijke coördinatie nodig is.
Klanten bellen voor informatie die ergens al beschikbaar is. Medewerkers zoeken in verschillende systemen. Uitzonderingen worden opgelost met ervaring, Excel en handwerk. En wanneer de organisatie groeit, groeit die complexiteit meestal mee.
Precies daar wil Kruso ingrijpen: de relatie doorbreken tussen groei en complexiteit. Het bedrijf helpt onder andere met:
Kruso kan beginnen bij strategie, customer journey of procesontwerp en de oplossing vervolgens ook daadwerkelijk ontwerpen, bouwen en implementeren. Voor Marloes is die combinatie essentieel, en ook de maatstaf waaraan zij het eigen werk afmeet.
“Een project is niet succesvol omdat een platform live staat of een AI-oplossing technisch werkt. Het is succesvol wanneer klanten beter worden geholpen, medewerkers beter kunnen werken en het bedrijfsresultaat aantoonbaar verbetert.”
DE VOLGENDE FASE
De potentie van AI is enorm, zegt Marloes. Maar de volgende fase gaat volgens haar veel minder over hoeveel AI-tools een organisatie heeft. De belangrijkere vraag wordt: hoe verandert AI het werk zelf?
Daar komt bij dat AI zich snel ontwikkelt van assistent naar agent. Van technologie die op een vraag reageert naar technologie die binnen duidelijke kaders ook zelfstandig stappen in een proces kan uitvoeren. Dat maakt een aantal vragen volgens haar steeds belangrijker:
Juist daar liggen de kansen. AI kan zoekwerk, voorbereiding, analyse, controles en terugkerend administratief werk overnemen of ondersteunen. “Daardoor kunnen mensen meer tijd besteden aan zaken waar menselijke expertise echt waarde toevoegt: advies, creativiteit, relaties, complexe uitzonderingen en verantwoordelijkheid.”
“AI-adoptie is minstens zo belangrijk als AI-technologie.” Marloes Naber, CEO Kruso**
DE EIGEN REIS
Ongeveer drieënhalf jaar geleden begon Kruso vanuit een intern AI Center of Excellence bewust met experimenteren en leren. “Niet omdat we toen alle antwoorden hadden, maar juist omdat we wilden ontdekken waar AI werkelijk waarde creîert.”
Teams kregen ruimte om toepassingen uit te proberen, kennis te delen en nieuwe manieren van werken te ontwikkelen. Inmiddels gebruiken de developmentteams AI intensief in softwareontwikkeling en zet Kruso AI ook in binnen de eigen processen, bijvoorbeeld bij tenders, finance en andere ondersteunende werkzaamheden.
Daarbij combineert Kruso bewust twee dingen die niet altijd samen worden gebracht: ruimte om te experimenteren en te leren, maar ook duidelijke doelstellingen en het meten van de operationele en financiële waarde die daadwerkelijk ontstaat. De aanpak laat zich grofweg samenvatten als experimenteren, leren, meten, verbeteren en opschalen wat werkt.
Die ervaring neemt Kruso mee naar klanten. En daarmee ook een stevige overtuiging over wat adoptie werkelijk vraagt.
“AI-adoptie is voor ons niet simpelweg een trainingsvraagstuk. Het raakt processen, vaardigheden, leiderschap, gedrag, data en de manier waarop werk wordt georganiseerd.”
ZORGVULDIGHEID
Naarmate AI autonomer kan handelen, worden betrouwbaarheid, privacy, security, governance en menselijke verantwoordelijkheid belangrijker, stelt Marloes. En er is nog een risico dat gemakkelijk wordt onderschat.
“Een AI-model boven op slechte data of een slecht ontworpen proces maakt een organisatie niet automatisch slimmer. Het kan bestaande fouten vooral sneller opschalen.” Marloes Naber, CEO Kruso**
Ook daar komt het motto weer terug. “Het gaat om de waarde die je ermee creîert en hoe je technologie verantwoord onderdeel maakt van het echte werk.”
WAAROM BRAIN
AI ontwikkelt zich razendsnel en geen enkele organisatie heeft op dit moment alle antwoorden, zegt Marloes. Juist daarom vindt zij het belangrijk dat organisaties niet alleen afzonderlijk experimenteren, maar ook kennis, praktijkervaring en lessen met elkaar delen.
“We willen kennis halen, maar nadrukkelijk ook kennis brengen.”
Dat brengen doet Kruso vanuit de AI-oplossingen die het voor klanten ontwikkelt, maar ook vanuit de eigen reis. “We hebben zelf ervaren hoe belangrijk het is om ruimte te geven aan experiment, hoe lastig echte adoptie soms is en wat ervoor nodig is om van een interessante AI-demo naar structurele bedrijfswaarde te komen.”
Tegelijk speelt er een breder belang mee. Marloes vindt het belangrijk dat de Nederlandse AI-sector niet alleen snel groeit, maar ook professioneel en betrouwbaar groeit. Daarvoor zijn niet alleen goede technologie en ondernemerschap nodig, maar ook aandacht voor verantwoord gebruik, kwaliteit, vaardigheden, adoptie en vertrouwen.
UITNODIGING
“We hoeven niet allemaal afzonderlijk hetzelfde wiel uit te vinden.”
Door ervaringen te delen kan de sector volgens Marloes sneller leren wat daadwerkelijk werkt. En kunnen aanbieders gezamenlijk bouwen aan een Nederlandse AI-markt waarin technologie niet het doel is, maar aantoonbare en verantwoorde waarde creîert.
Waarmee het gesprek eindigt waar het begon. It’s never about technology.
Recruitmentteams beschikken tegenwoordig over meer technologie dan ooit.
ATS-systemen, sourcingtools, automatisering, dashboards en steeds meer AI-oplossingen. Toch levert die groeiende hoeveelheid technologie lang niet altijd betere recruitment op.
Volgens Marcel van der Meer, oprichter van Klikwork, is dat niet zo vreemd.
“Bij de meeste organisaties is technologie niet het probleem. Er zijn tools gekocht, er wordt mee geëxperimenteerd en toch komt er weinig uit. Dat ligt zelden aan de tool.”
Het probleem zit volgens hem meestal ergens anders.
Een techstack waar niemand meer volledig overzicht over heeft. Processen die nooit echt zijn uitgetekend. Data waar nauwelijks bruikbare informatie uit komt.
En dan wordt daar AI bovenop gezet.
“Als AI iets toevoegt aan een proces dat niet klopt, krijg je hetzelfde probleem terug. Alleen sneller.”
Van der Meer werkt al ruim twintig jaar in recruitment en was onder andere Global Sourcing Lead bij Rabobank.
In die jaren keek hij naar eigen zeggen mee bij ruim 500 recruitmentteams op zes continenten.
Daar zag hij steeds hetzelfde patroon.
“De tools waren bijna nooit de bottleneck. De setup was het.”
Dat inzicht vormt de basis van Klikwork.
Het bedrijf helpt zowel interne recruitmentteams bij grotere organisaties als recruitmentbureaus om eerst hun fundament op orde te brengen voordat nieuwe AI-oplossingen worden toegevoegd.
“Wij zetten AI dus bewust niet overal in. We beginnen bij de setup.”
Die aanpak begint met een Setup Scan.
Daarbij kijkt Klikwork naar welke systemen en tools daadwerkelijk worden gebruikt, hoe recruitmentprocessen in de praktijk verlopen en of de beschikbare data van voldoende kwaliteit is om er verder op te bouwen.
Marcel: “Het verschil tussen hoe een proces op papier loopt en hoe mensen daadwerkelijk werken, kan behoorlijk groot zijn.”
Uit die analyse volgt een Setup Roadmap.
Daarin staat wat een organisatie in de eerste negentig dagen moet aanpakken en welke richting voor de langere termijn logisch is.
Maar minstens zo belangrijk is een andere vraag:
“Meer technologie toevoegen is niet automatisch vooruitgang. Soms moet je eerst opruimen voordat je kunt vernieuwen.”
Laat mensen bouwen aan iets waar ze zelf last van hebben
Pas wanneer de basis helder is, komt training en AI-adoptie aan bod.
Een van de programma’s van Klikwork is Hack your recruitment week.
Twee dagen werkt een volledig recruitmentteam op de eigen locatie aan concrete problemen uit het dagelijkse werk.
De opdrachten worden niet door Klikwork bedacht.
“We vragen iedere deelnemer vooraf: welke taak in jouw werkweek verafschuw je het meest? Precies daarmee gaan we aan de slag.”
Aan het einde van de tweede dag heeft ieder team volgens Van der Meer minimaal drie werkende oplossingen gebouwd.
Geen fictieve cases, maar toepassingen op het eigen recruitmentproces.
Zes weken later komt Klikwork terug.
“Dan kijken we wat daadwerkelijk is blijven staan en wat stilletjes is doodgebloed. Want een demo die twee dagen werkt, zegt nog niets over echte adoptie.”
Klikwork kiest er bewust voor om teams gezamenlijk te trainen.
Volgens Van der Meer ontstaat binnen veel organisaties namelijk snel een verschil tussen medewerkers die actief met AI experimenteren en collega’s die afwachten.
“Twee of drie mensen lopen voorop. De rest wacht. Niet uit onwil. Vaak hopen mensen gewoon dat iemand anders het eerst uitzoekt.”
Dat verschil verdwijnt volgens hem niet vanzelf.
Sterker nog, het kan groter worden wanneer slechts één medewerker een training volgt.
“Je stuurt één persoon op cursus en die komt terug met nóg meer voorsprong. De rest voelt zich vervolgens alleen maar verder achterop.”
Zo ontstaat een afdeling die volgens hem op twee snelheden gaat werken.
De oplossing is daarom niet alleen een beter uitrolplan.
“Laat mensen samen iets bouwen op hun eigen werk. Dan ervaren ze tegelijk wat mogelijk is, waar de grenzen zitten en wat voor hen persoonlijk nuttig is.”
Klikwork hanteert daarom voor teamprogramma’s één prijs in plaats van een prijs per deelnemer.
“Zodra je per stoel betaalt, gaat een organisatie kiezen wie er mee mag. En juist dat kiezen is vaak de verkeerde beslissing.”
Naast teamprogramma’s biedt Klikwork ook individuele trajecten.
Tijdens de AI Recruitment Engineer-bootcamps in Amsterdam werken recruiters in twee dagen aan automatisering en het zelf bouwen van oplossingen.
“Op de eerste dag automatiseer je één echte taak van begin tot eind. Op de tweede dag stoppen we juist met alleen tools gebruiken en gaan mensen zelf bouwen.”
Voor recruiters die liever individueel werken, is er Elite: een traject van acht weken met wekelijkse persoonlijke begeleiding, volledig rondom het eigen werk.
Daarna blijft ondersteuning belangrijk.
“Daar strandt het namelijk vaak. Zodra de begeleiding stopt, verdwijnen nieuwe gewoontes langzaam weer.”
Van der Meer ziet juist binnen recruitment veel mogelijkheden.
Een aanzienlijk deel van het werk bestaat uit administratieve en herhalende taken.
Die kunnen met automatisering en AI slimmer worden ingericht.
Maar volgens hem maken organisaties vaak een fundamentele denkfout.
“Er wordt een tool gekocht en een licentie geactiveerd. Vervolgens wordt aangenomen dat mensen er vanzelf mee gaan werken. Maar zo werkt gedragsverandering natuurlijk niet.”
Technologie implementeren is volgens hem iets anders dan technologie onderdeel maken van het dagelijkse werk.
Daarom gebruikt hij voor oppervlakkige experimenten een eigen term:
“AI-toerisme: rondkijken, iets proberen en uiteindelijk met niets structureels naar huis gaan.”
Klikwork wil juist werken met organisaties die voorbij die fase willen.
AI inzetten binnen recruitment heeft bovendien een extra dimensie.
Wanneer systemen kandidaten beoordelen, selecteren of rangschikken, kan technologie direct invloed hebben op iemands kansen op werk.
Volgens Van der Meer vraagt dat om kennis én duidelijke menselijke verantwoordelijkheid.
“Wie een geautomatiseerde beoordeling controleert, moet begrijpen hoe zo’n uitkomst tot stand komt en ook werkelijk de bevoegdheid hebben om die terzijde te schuiven.”
Zijn grootste zorg ligt daarom niet bij de technologie zelf.
“Mijn zorg is dat mensen soms niet goed genoeg weten waarmee ze werken.”
En juist dat is volgens hem oplosbaar.
Met opleiding, betere processen en duidelijke verantwoordelijkheden.
Dat is ook een belangrijke reden waarom Klikwork zich aansluit als Founding Member van BRAIN Nederland.
Van der Meer zag BRAIN Nederland meerdere keren voorbijkomen en verdiepte zich vervolgens in de uitgangspunten van de brancheorganisatie.
“De AI-sector groeit sneller dan de afspraken over hoe we verantwoord met die technologie omgaan.”
Volgens hem is het belangrijk dat niet alleen overheid en toezichthouders uiteindelijk bepalen wat goede AI is.
Ook de sector zelf moet verantwoordelijkheid nemen.
“BRAIN Nederland is een plek waar aanbieders elkaar kunnen aanspreken. Daar wil ik graag aan bijdragen.”
Zijn boodschap aan andere AI-organisaties is dan ook kort en duidelijk:
“Help de norm bepalen in plaats van hem af te wachten.”
Want professionalisering van AI vraagt volgens Marcel van der Meer niet om nóg meer tools.
Het vraagt om organisaties die eerst hun processen begrijpen, hun mensen meenemen en vervolgens heel bewust bepalen waar AI werkelijk iets toevoegt.
Eerst de setup. Dan pas de AI.
AI is allang de school binnengekomen.
Misschien niet altijd officieel. Misschien niet via een beleidsplan of een studiedag. Maar wel via leerkrachten die ChatGPT gebruiken voor een lesvoorbereiding, leerlingen die AI inzetten voor een opdracht en bestaande software waarin na een update ineens AI-functionaliteit blijkt te zitten.
Volgens Tijmen Booij, schoolleider, onderwijsadviseur en oprichter van AIcademie, loopt het gebruik van AI inmiddels ver vooruit op het gesprek erover.
“In vrijwel iedere teamkamer wordt AI al gebruikt. Maar op heel veel scholen is nog nauwelijks vastgelegd hoe je daar gezamenlijk mee omgaat.”
Voor Booij is AI daarom in de eerste plaats geen technologisch vraagstuk.
Het is een onderwijsvraagstuk.
Booij richtte in 2018 Creëdu op. Vanuit dat bureau ondersteunt hij scholen met advies, coaching, interim-schoolleiding en audits.
Later ontstond vanuit Creëdu AIcademie, specifiek gericht op scholing rondom AI in het onderwijs.
“We komen uit het onderwijs, niet uit de techniek. Dat is geen detail. Het is de kern van onze aanpak.”
Booij staat zelf nog iedere week in een school.
Daardoor kijkt hij anders naar AI dan een technologiebedrijf misschien zou doen.
“De vraag is voor mij nooit alleen wat een tool kan. De vraag is wat die tool doet met de relatie tussen leerling, leerkracht en leerstof.”
Daarom staat binnen AIcademie één persoon centraal:
de leerkracht.
“De leerkracht is uiteindelijk degene die het geheel overziet. Die weet wat een leerling moet leren, waar dat kind staat en wat er met het leren gebeurt wanneer je AI toevoegt.”
Niet beginnen met een cursus
AIcademie werkt met basisscholen, voortgezet onderwijs, schoolbesturen en samenwerkingsverbanden.
Het aanbod loopt van gratis instrumenten tot uitgebreide scholings- en beleidstrajecten.
Zo zijn er onder andere een zelfscan, het AI Kompas, een gereedschapskist met praktische documenten en een complete AI-les voor groep 6 tot en met 8.
Daarnaast biedt AIcademie teamtrainingen, studiedagen, werkplaatsen, e-learning, lessenseries, leerlijnen en ondersteuning bij beleid, medezeggenschap en bestuur.
Maar Booij begint bewust niet direct met een training.
“Een school zegt soms: we hebben iets met AI nodig, dus doe maar een cursus. Maar dan weet je nog helemaal niet wat het team nodig heeft.”
Daarom begint AIcademie met een scan.
Hoeveel kennis is er al? Wie gebruikt AI dagelijks? Wie heeft er vragen? En misschien nog belangrijker: welke collega’s praten er liever helemaal niet over?
“Pas als je dat weet, kun je bepalen wat voor scholing zinvol is.”
AIcademie kiest er bewust voor om geen eigen AI-applicatie te bouwen die bijvoorbeeld lessen geeft of nakijkwerk volledig overneemt.
Ook verkoopt het bedrijf geen software van andere leveranciers door.
“Wij verkopen geen tool. Wij bieden een manier om naar AI te kijken.”
Die benadering bestaat uit drie bewegingen :
openen, maken en bewegen
En altijd met de leerkracht aan het stuur.
De instrumenten van AIcademie geven daarom bewust geen definitief oordeel.
Een zelfscan laat zien waar een school staat. Het AI Kompas maakt verschillen binnen een team zichtbaar. Een beleidsbouwer helpt een school zelf een eerste concept te maken.
“Wat je vervolgens besluit, blijft aan de school.”
Dat maakt de scholing volgens Booij ook minder afhankelijk van specifieke technologie.
“Wie alleen knoppen leert, is na de volgende grote update weer beginner. Wie leert kijken en wegen, kan ook de volgende tool zelf beoordelen.”
Booij is kritisch op scholing die vooral inspireert, maar daarna niets verandert.
Iedere bijeenkomst van AIcademie moet daarom volgens hem eindigen met concrete afspraken.
“Als er na een studiedag niets wordt vastgelegd, dan was het uiteindelijk vooral een interessante dag uit de jaarplanning.”
Wie mag welke AI gebruiken?
Welke gegevens mogen wel en niet worden ingevoerd?
Waar is menselijke controle noodzakelijk?
Wat vinden we acceptabel voor leerlingen?
En wanneer kiezen we er bewust voor om AI juist niet te gebruiken?
Dat zijn vragen die niet in de tool zelf worden beantwoord.
Die moet een school gezamenlijk beantwoorden.
Volgens Booij neemt de druk op scholen snel toe.
Enerzijds komt die vanuit leerlingen en medewerkers die AI al gebruiken.
Anderzijds neemt ook de formele aandacht voor AI-geletterdheid en digitale vaardigheden toe.
Daardoor kunnen scholen het onderwerp niet blijven behandelen als iets voor “later”.
“Het blijft nu soms liggen tussen ICT, kwaliteitsbeleid en directie. Iedereen ziet dat er iets moet gebeuren, maar niemand voelt zich volledig eigenaar.”
Volgens Booij is dat begrijpelijk, maar niet langer houdbaar.
Want AI raakt niet alleen ICT.
Het raakt lesgeven, toetsen, privacy, professionele verantwoordelijkheid, pedagogiek en de manier waarop leerlingen leren.
Booij ziet tegelijkertijd grote kansen.
Het onderwijs kampt met hoge werkdruk en personeelstekorten. Juist daar kan AI volgens hem waarde toevoegen.
“Leraren hebben structureel te weinig tijd. AI kan helpen bij voorbereiding, differentiatie en feedback. Dat is geen luxe. Dat kan letterlijk lucht geven in een beroep waarin mensen uitvallen door de druk.”
Ook voor leerlingen ligt er een kans.
Niet door AI buiten de school te houden, maar juist door het onderwerp actief in het onderwijs te brengen.
“Leerlingen komen er dagelijks mee in aanraking. Dan kun je beter leren hoe het werkt, wat de mogelijkheden zijn en waar de risico’s liggen.”
Booij ziet drie belangrijke aandachtspunten.
Het eerste is onzichtbaar AI-gebruik.
“Organisaties gebruiken soms al AI zonder dat ze dat beseffen, omdat functionaliteit automatisch is toegevoegd aan bestaande software. Wie zegt dat hij geen AI gebruikt, heeft vaak gewoon nog niet goed gekeken.”
Het tweede punt is privacy.
Vooral het gebruik van leerlinggegevens vraagt volgens hem duidelijke afspraken.
“Even iets uit een leerlingdossier in een chatbot plakken omdat dat handig is, kan natuurlijk niet zomaar. Die afspraken moeten bestaan vóórdat het gebeurt.”
Het derde risico noemt hij schijnzekerheid.
Organisaties willen graag aantonen dat medewerkers AI-geletterd zijn. Maar een bewijs van deelname aan een cursus betekent volgens Booij nog niet dat die geletterdheid ook daadwerkelijk in de organisatie is geborgd.
“Je moet goed blijven onderscheiden wat iemand heeft gevolgd en wat iemand aantoonbaar beheerst.”
Een van Booijs belangrijkste uitgangspunten klinkt misschien verrassend voor iemand die organisaties helpt met AI.
Een school hoeft AI niet altijd in te zetten.
Sterker nog: een weloverwogen besluit om AI níet te gebruiken kan volgens hem juist getuigen van professionaliteit.
“Nee zeggen omdat je AI eng vindt, is geen beleid. Maar nee zeggen nadat je goed hebt afgewogen wat het met leren en werken doet, is vakmanschap.”
Dat onderscheid is volgens hem cruciaal.
Het doel is niet zoveel mogelijk AI gebruiken.
Het doel is beter onderwijs.
Juist daar ziet Booij een duidelijke verbinding met BRAIN Nederland.
Scholen vinden het op dit moment moeilijk om te beoordelen welke AI-aanbieders betrouwbaar zijn.
“Een directeur met een beperkt scholingsbudget moet vaak op gevoel bepalen wie serieus is en wie vooral een goed verhaal heeft.”
Een gedragscode, kwaliteitsstandaarden en uiteindelijk een onafhankelijk erkenningsmerk kunnen volgens hem helpen om dat onderscheid duidelijker te maken.
“Voor mijn opdrachtgevers is dat geen theoretisch verhaal. Zij hebben behoefte aan houvast.”
Daarom sluit AIcademie zich aan als Founding Member van BRAIN Nederland.
Booij wil daarbij nadrukkelijk ook het perspectief van de afnemer inbrengen.
“Binnen een AI-branche hoor je vanzelf veel over modellen en technologie. Maar uiteindelijk landt die technologie ergens. In een klas, in een ziekenhuis, bij een gemeente. Die praktijk moet net zo hard aan tafel zitten.”
Booij ziet nog een tweede belangrijke reden om AI-organisaties aan te raden zich bij BRAIN Nederland aan te sluiten.
De sector moet volgens hem zelf helpen bepalen wat professionele AI is.
“Op dit moment lijkt een aanbieder die heel overtuigend iets belooft soms precies op een aanbieder die zijn werk daadwerkelijk goed doet. Als een klant dat verschil niet kan zien, wint de mooiste presentatie.”
Dat is volgens hem slecht voor de hele markt.
Door gezamenlijk normen op te stellen, kan de sector het verschil tussen belofte en kwaliteit zichtbaarder maken.
Zijn oproep richt zich daarbij nadrukkelijk ook op organisaties buiten de technologiesector.
“Als alleen bouwers aan tafel zitten, gaat het gesprek vanzelf vooral over modellen. Onderwijs, zorg en het publieke domein moeten meepraten over wat er gebeurt op de plekken waar AI uiteindelijk terechtkomt.”
Voor Tijmen Booij ligt daar de kern.
AI in het onderwijs begint niet bij technologie.
Het begint bij de vraag wat goed onderwijs is en welke rol AI daarin wel of juist niet zou moeten spelen.
En die beslissing hoort uiteindelijk bij de professional die het kind, het leren én de context overziet: de leerkracht.
AI verandert niet alleen hoe mensen hun werk doen. Het verandert ook welk werk overblijft, welke kennis belangrijker wordt en welke mensen organisaties in de toekomst nodig hebben.
Toch kijken veel organisaties bij recruitment nog vooral naar vandaag.
Er is een vacature. Er wordt een bestaande functieomschrijving gepakt. En vervolgens wordt gezocht naar iemand die daar zo goed mogelijk bij past.
Volgens Jan van der Laan, oprichter van The DataFather, is dat niet meer voldoende.
“De medewerker die je vandaag aanneemt, moet de komende jaren bijdragen aan een organisatie die volop verandert. Dan moet je dus ook vooruitkijken naar wat het werk gaat worden.”
Vanuit die gedachte werkt hij aan een model voor Workforce Foresight: inzichtelijk maken hoe werk zich ontwikkelt en wat dat betekent voor de toekomstige personeelsbezetting.
Niet beginnen bij de functie, maar bij het toekomstige werk
Van der Laan komt uit de recruitmentwereld en specialiseerde zich in data en AI. Juist daar zag hij van dichtbij hoe organisaties bepalen welke mensen ze nodig hebben.
“Vaak begint dat bij de bestaande functieomschrijving. Maar die beschrijft vooral het werk van vandaag.”
Met The DataFather wil hij organisaties helpen om verder vooruit te kijken.
Samen met een partner ontwikkelt hij een tool waarmee directies en HR-afdelingen het complete functiehuis kunnen onderzoeken en verbinden aan de strategie van de organisatie én aan de mogelijkheden van AI.
Daarbij wordt niet alleen gekeken naar functies als geheel.
“Wij kijken naar de afzonderlijke taken binnen functies en vooral naar hoe het werk door een organisatie heen beweegt. Wie verzamelt informatie? Wie beoordeelt die? Waar wordt een beslissing genomen? En wie gaat vervolgens met die beslissing verder?”
Pas daarna komt de vraag wat AI daarin kan betekenen.
Die samenhang is volgens Van der Laan cruciaal.
AI kan bijvoorbeeld een deel van het werk op één afdeling automatiseren, maar daardoor juist elders nieuwe werkzaamheden of verantwoordelijkheden creëren.
“Als je alleen kijkt naar de functie waar AI wordt ingezet, trek je al snel verkeerde conclusies. Je moet begrijpen wat er met het hele proces gebeurt.”
Hij geeft het voorbeeld van een organisatie die meer omzet wil halen uit bestaande klanten.
AI kan klantgegevens verzamelen, koopgedrag analyseren en commerciële kansen signaleren. Daarmee verandert mogelijk werk binnen marketing, binnendienst en accountmanagement.
Maar daarmee is het proces nog niet verbeterd.
“Je moet ook bepalen wie die signalen beoordeelt, wie contact opneemt met de klant en hoe de opvolging wordt georganiseerd. Als alle afdelingen verder blijven werken zoals ze altijd deden, benut je maar een deel van de mogelijkheden.”
“AI verandert zelden maar één functie. Het verandert vaak de manier waarop werk tussen mensen en afdelingen wordt verdeeld.”
Het model van The DataFather verbindt de mogelijke impact van AI daarom nadrukkelijk aan de bedrijfsstrategie.
Een organisatie die internationaal wil uitbreiden, heeft andere mensen en competenties nodig dan een bedrijf dat nieuwe diensten wil ontwikkelen of meer omzet bij bestaande klanten wil realiseren.
Van der Laan: “Je wilt weten of je huidige organisatie en personeelsbezetting passen bij de ambities die je hebt.”
Daaruit kunnen verschillende keuzes volgen.
Misschien is er in de toekomst minder capaciteit nodig voor rapportages omdat AI een groot deel daarvan kan voorbereiden. Tegelijkertijd kan de behoefte groeien aan medewerkers die complexe klantvragen kunnen bespreken, resultaten kunnen beoordelen of verantwoordelijkheid kunnen nemen voor beslissingen.
Dat betekent niet automatisch dat er andere mensen moeten worden aangenomen.
“Het kan juist heel goed zijn dat je huidige medewerkers dat werk kunnen gaan doen. Maar dan moet je wel op tijd beginnen met hun ontwikkeling.”
Daar ziet Van der Laan een belangrijk risico.
Veel organisaties denken pas over de gevolgen voor medewerkers na wanneer een nieuwe technologie al wordt ingevoerd.
Volgens hem is dat te laat.
“De personeelsvraag moet veel eerder op tafel komen. Wat willen we over drie jaar kunnen en wat betekent dat voor de mensen die hier vandaag werken?”
Door die vragen eerder te stellen, ontstaat ruimte om medewerkers mee te laten groeien.
Je kunt gerichter bepalen waar opleiding nodig is, welke teams anders moeten worden samengesteld en welke kennis van buiten moet worden aangetrokken.
“Dan wordt workforce planning veel minder reactief. Je krijgt meer grip op wie je vandaag moet ontwikkelen of aannemen voor morgen.”
Vanuit zijn recruitmentachtergrond kan Van der Laan organisaties vervolgens ook helpen bij de stap naar de arbeidsmarkt.
Daarnaast deelt hij zijn visie regelmatig tijdens lezingen over de toekomst van werk en AI.
Van der Laan ziet grote kansen voor AI in Nederland.
Niet alleen doordat bestaande werkzaamheden sneller kunnen worden uitgevoerd, maar vooral doordat organisaties hun werk anders kunnen organiseren.
“Met AI kunnen bedrijven meer klanten helpen, nieuwe diensten ontwikkelen en werkzaamheden uitvoeren waarvoor ze eerder onvoldoende mensen of tijd hadden.”
Maar volgens hem moeten organisaties verder kijken dan de individuele AI-toepassing.
De interessante vraag is niet alleen wat AI kan overnemen.
Het gaat om wat er daarna mogelijk wordt.
“Als je door AI tijd vrijspeelt, wat ga je met die capaciteit doen? Welke nieuwe werkzaamheden ontstaan? Welke kennis wordt belangrijker? Dat gesprek vind ik veel interessanter dan alleen de discussie over hoeveel banen AI gaat vervangen.”
Tegelijkertijd waarschuwt Van der Laan voor al te stellige voorspellingen.
Niemand weet precies hoe iedere functie er over drie of vijf jaar uitziet.
“Je moet niet doen alsof de toekomst vaststaat. Wat je wel kunt doen, is verschillende scenario’s onderzoeken en je keuzes aanpassen zodra ontwikkelingen daar aanleiding toe geven.”
Workforce Foresight is voor hem daarom geen poging om de toekomst exact te voorspellen.
Het gaat om beter voorbereid zijn.
En daarbij is de kennis van medewerkers zelf onmisbaar.
“Medewerkers weten wat er in de praktijk nodig is om werk goed te doen. Een taak kan technisch misschien prima te automatiseren zijn, maar daaromheen zitten vaak beoordeling, samenwerking, uitzonderingen en verantwoordelijkheid.”
Wie dat niet meeneemt, loopt volgens hem het risico personeelsbeslissingen te nemen op basis van een onvolledig beeld.
Juist dat perspectief wil Van der Laan binnen BRAIN Nederland nadrukkelijk toevoegen.
Hij sluit zich aan omdat de gevolgen van AI voor werk, functies en personeelsbeleid volgens hem een veel grotere plek verdienen in het debat over AI.
“Technologie, strategie en mensen kun je niet los van elkaar zien. Als AI het werk verandert, moet je ook nadenken over wat dat betekent voor medewerkers en voor de organisatie die je wilt worden.”
Binnen BRAIN Nederland wil hij zijn eigen model verder ontwikkelen door kennis uit te wisselen met organisaties die AI bouwen, onderzoeken en toepassen.
Tegelijkertijd brengt hij zijn eigen expertise op het gebied van arbeidsmarkt en recruitment mee.
“Voor mij is dat precies de waarde van zo’n brancheorganisatie. Je kijkt vanuit verschillende perspectieven naar dezelfde ontwikkeling.”
Ook andere AI-organisaties zouden volgens Van der Laan baat hebben bij die bredere blik.
“Wat je bouwt of bij een klant invoert, heeft uiteindelijk bijna altijd gevolgen voor het werk van mensen en vaak ook voor de inrichting van de organisatie.”
Daarom is samenwerking tussen technologiebedrijven, adviseurs, werkgevers en experts op het gebied van arbeid en organisatie volgens hem belangrijk.
Want de echte impact van AI wordt uiteindelijk niet bepaald door wat een model technisch kan.
Die ontstaat door wat organisaties ermee doen.
“De vraag is niet alleen welke taken AI kan overnemen. De belangrijkere vraag is welk werk daarna ontstaat en welke mensen je daarvoor nodig hebt.”
Precies dat perspectief brengt The DataFather als Founding Member van BRAIN Nederland mee: vooruitkijken naar werk, mensen en organisatie, zodat technologische verandering ook daadwerkelijk leidt tot betere keuzes voor de toekomst.