AI-adoptie:

Waarom ligt de sleutel tot AI-waarde niet in de tool, maar in de mens die ermee werkt?

Organisaties investeren fors in AI. Platformen, copilots, agents, licenties en pilots volgen elkaar in hoog tempo op. De verwachtingen groeien mee. AI moet werk versnellen, processen verbeteren en medewerkers ondersteunen bij steeds meer taken.

Toch blijft de daadwerkelijke impact vaak achter bij wat leveranciers beloven en directies hopen. Veel organisaties zien dat het gebruik achterblijft, toepassingen niet verder komen dan experimenten of dat medewerkers na een eerste kennismaking terugvallen op vertrouwde werkwijzen.

De oorzaak ligt zelden bij de techniek. Die werkt meestal zoals bedoeld. De echte uitdaging begint zodra mensen AI moeten inpassen in hun dagelijkse werkzaamheden. Op dat moment verschuift de aandacht van technologie naar gedrag, routines en organisatiecultuur.

Technologie kopen is eenvoudig, gedrag veranderen kost tijd

Een AI-tool aanschaffen lukt binnen dagen. Uitrollen binnen weken. Het ontwikkelen van een nieuwe manier van werken vraagt aanzienlijk meer tijd. Medewerkers moeten in de praktijk ontdekken wanneer AI daadwerkelijk helpt, welke taken zich lenen voor ondersteuning en hoe zij betrouwbare antwoorden krijgen uit generatieve modellen.

Tegelijkertijd moeten zij leren omgaan met de grenzen van AI. Wat mag wel, wat mag niet en wanneer blijft menselijke beoordeling noodzakelijk? Daarnaast moeten nieuwe werkwijzen aansluiten op bestaande processen, verantwoordelijkheden en werkafspraken. Pas dan ontstaat een aanpak die medewerkers daadwerkelijk blijven gebruiken.

Daarom vraagt AI-adoptie vooral om veranderkracht. Technologie maakt nieuwe mogelijkheden beschikbaar, maar de waarde ontstaat doordat medewerkers deze mogelijkheden inzetten in hun dagelijkse werk.

Begin bij de medewerkers die al experimenteren

Veel adoptieprogramma’s richten hun aandacht direct op de groep die nog weinig of geen gebruikmaakt van AI. Dat lijkt logisch, maar levert in de praktijk lang niet altijd de gewenste versnelling op. Medewerkers die achterblijven voelen zich soms beoordeeld, terwijl collega’s die al ervaring opdoen onvoldoende worden benut.

Wij zien vaker resultaat wanneer organisaties beginnen bij de medewerkers die al experimenteren. Deze koplopers ontdekken uit eigen beweging nieuwe toepassingen, ontwikkelen werkwijzen die in de praktijk werken en delen hun ervaringen vaak graag met anderen. Daarnaast signaleren zij welke toepassingen daadwerkelijk waarde toevoegen binnen de organisatie.

Hun meerwaarde zit niet alleen in wat zij ontdekken, maar ook in de herkenbaarheid van hun voorbeelden. Medewerkers leren vaak sneller van een collega die met dezelfde processen, systemen en vraagstukken werkt dan van een generieke handleiding of externe training.

Wanneer organisaties deze successen zichtbaar maken, ontstaat een vliegwiel. Collega’s zien wat werkt in hun eigen omgeving, met eigen data en binnen vertrouwde processen. Dat verlaagt de drempel om zelf nieuwe toepassingen uit te proberen.

Meet wat er echt toe doet

Adoptie groeit zodra medewerkers de meerwaarde van AI zelf ervaren. Daarom is het belangrijk om niet alleen te kijken naar gebruiksstatistieken, maar ook naar de ontwikkeling van vaardigheden, betrokkenheid en gerealiseerde resultaten.

Een bruikbare KPI-set kijkt naar vier samenhangende niveaus.

Gebruik

Het eerste niveau laat zien in hoeverre AI wordt gebruikt binnen de organisatie. Daarbij gaat het bijvoorbeeld om het aantal actieve gebruikers, de frequentie van gebruik, de verspreiding over teams en functiegroepen en de ontwikkeling van het gebruik in de tijd.

AI-geletterdheid

Gebruik alleen zegt weinig over de kwaliteit van de toepassing. Daarom is het ook relevant om te kijken naar de ontwikkeling van kennis en vaardigheden. Denk aan basiskennis over AI, promptvaardigheden, deelname aan kennissessies en het vermogen om AI zelfstandig toe te passen in het dagelijkse werk.

Businessbetrokkenheid

Adoptie krijgt meer betekenis wanneer afdelingen zelf toepassingen aandragen en verantwoordelijkheid nemen voor het gebruik ervan. Daarbij kan worden gekeken naar het aantal use cases vanuit de business, de betrokkenheid van lijnmanagement en de mate waarin AI onderdeel wordt van werkprocessen en afspraken.

Gerealiseerde waarde

Uiteindelijk draait AI-adoptie om resultaat. Organisaties willen weten welke waarde de inzet van AI oplevert. Die waarde kan zichtbaar worden in tijdsbesparing, kortere doorlooptijden, kwaliteitsverbetering, foutreductie, hogere klanttevredenheid en financiële effecten zoals omzetgroei of kostenbesparing.

Wanneer deze resultaten zichtbaar worden, ontstaat enthousiasme. Dat enthousiasme stimuleert nieuw gebruik en zorgt ervoor dat steeds meer medewerkers waardevolle toepassingen ontdekken. Zo ontstaat het adoptievliegwiel waar veel organisaties naar op zoek zijn.

Investeer in leren tijdens het werk

Een klassieke training brengt medewerkers op niveau nul. Werkelijke AI-vaardigheid ontstaat doordat medewerkers AI regelmatig toepassen in hun eigen werkzaamheden en leren van de ervaringen die daarbij ontstaan.

Daarom blijken praktische en laagdrempelige leervormen vaak effectiever dan omvangrijke trainingsprogramma’s. Organisaties die succesvol zijn met AI-adoptie creëren mogelijkheden om tijdens het werk van elkaar te leren. Bijvoorbeeld via AI-spreekuren waarin medewerkers vragen kunnen stellen, kennissessies waarin collega’s hun aanpak demonstreren of communities waarin ervaringen worden gedeeld.

Ook buddyconstructies tussen ervaren gebruikers en nieuwsgierige collega’s kunnen helpen om kennis sneller te verspreiden. Hetzelfde geldt voor challenges waarin medewerkers samen werken aan concrete vraagstukken uit hun dagelijkse praktijk.

Hierdoor ontstaat kennisdeling in het ritme van het werk zelf. Medewerkers leren van elkaar in de context waarin zij de opgedane inzichten direct weer kunnen toepassen.

Technologie kopen doe je in een week. Een nieuwe manier van werken vraagt aandacht, herhaling en leiderschap.

Jos Poels, partner

Quarant

Leg succesvolle werkwijzen centraal vast

Veel organisaties beschikken inmiddels over tientallen waardevolle AI-voorbeelden. Medewerkers ontwikkelen effectieve prompts, ontdekken nieuwe toepassingen en bouwen werkwijzen die aantoonbaar resultaat opleveren.

De uitdaging is dat deze kennis vaak blijft hangen bij een beperkte groep enthousiastelingen. Daardoor profiteren andere teams onvoldoende van opgedane ervaringen. Bovendien bestaat het risico dat kennis verdwijnt wanneer medewerkers van functie veranderen of de organisatie verlaten.

Door use cases, prompts en succesvolle werkwijzen centraal vast te leggen ontstaat hergebruik. Collega’s kunnen voortbouwen op bestaande ervaringen en hoeven minder vaak opnieuw uit te zoeken wat elders al werkt. Zo groeit de organisatiekennis sneller en ontstaat meer samenhang in de manier waarop AI wordt toegepast.

AI-adoptie vraagt om zichtbaar leiderschap

Leidinggevenden spelen een belangrijke rol bij succesvolle AI-adoptie. Zij bepalen voor een groot deel hoeveel ruimte medewerkers ervaren om nieuwe mogelijkheden te onderzoeken en uit te proberen.

Dat begint met het creëren van duidelijke kaders waarbinnen experimenten kunnen plaatsvinden. Daarnaast helpt het wanneer successen zichtbaar worden gemaakt, kennisdeling actief wordt gestimuleerd en teams worden geholpen om AI-toepassingen te koppelen aan organisatiedoelen.

Ook voorbeeldgedrag maakt verschil. Wanneer leidinggevenden zelf zichtbaar gebruikmaken van AI en hun ervaringen delen, groeit het vertrouwen onder medewerkers. Daarmee verschuift AI geleidelijk van een initiatief van enkele enthousiastelingen naar een werkwijze die breder wordt gedragen binnen de organisatie.

Tot slot

De grootste uitdaging van AI zit niet in de techniek. Die is beschikbaar, betaalbaar en wordt voortdurend beter. De bepalende vraag voor organisaties is hoe medewerkers ontdekken dat AI hen daadwerkelijk helpt in hun dagelijkse werk.

Organisaties die daarin slagen investeren daarom niet alleen in tooling. Zij investeren ook in mensen, leren en kennisdeling. Daarmee ontstaat duurzame AI-adoptie en wordt zichtbaar welke waarde AI in de praktijk kan opleveren.

In deel 3 zoomen wij uit. Want AI verandert niet alleen ons werk, maar ook ons denken. Wat betekent dat voor publieke waarden, besluitvorming en democratische legitimiteit?