
Succesvol starten met AI begint bij het juiste vraagstuk
De praktijk van AI van idee naar impact deel 1 van 3
Steeds meer publieke organisaties verkennen de mogelijkheden van AI. Medewerkers experimenteren met ChatGPT, leveranciers presenteren nieuwe toepassingen en bestuurders vragen zich af welke rol AI kan spelen in de organisatie. Tegelijkertijd ontstaat vaak een praktische vraag: waar begin je?
Hoe kom je van losse experimenten naar waardevolle AI-toepassingen?
De verleiding is groot om eerst naar technologie te kijken. Welke tool kiezen we? Welke functionaliteiten zijn beschikbaar? Welke innovaties mogen we niet missen? In de praktijk blijken juist die vragen vaak te leiden tot losse experimenten zonder duidelijke opbrengst.
Organisaties die met AI aantoonbare waarde realiseren, starten meestal ergens anders. Zij beginnen bij een concreet vraagstuk uit de dagelijkse praktijk. Een proces dat veel tijd kost. Informatie die lastig vindbaar is. Repetitieve werkzaamheden die medewerkers afleiden van belangrijkere taken. Op dat punt ontstaat de grootste kans om AI doelgericht in te zetten.
Waarom blijven AI-initiatieven vaak hangen in experimenten?
Veel organisaties herkennen het patroon. De techniek werkt, medewerkers zijn nieuwsgierig en er ontstaan allerlei ideeën. Toch blijft de stap van proef naar structurele toepassing vaak lastig.
Een belangrijke oorzaak is dat de oplossing al gekozen is voordat het probleem voldoende scherp in beeld is. Teams zoeken toepassingen voor een beschikbare AI-tool, terwijl nog onvoldoende duidelijk is welk organisatievraagstuk zij willen oplossen. Daardoor ontstaat enthousiasme zonder richting. Er worden experimenten uitgevoerd, maar het blijft onduidelijk welke waarde ze opleveren voor medewerkers, inwoners of de organisatie als geheel.
Succesvolle AI-toepassingen beginnen daarom met een andere vraag: welk probleem willen we oplossen?
Die vraag zorgt voor focus. Zij maakt duidelijk welke resultaten gewenst zijn en helpt bepalen of AI daadwerkelijk de meest geschikte aanpak is.
Waar liggen de grootste kansen in het werk van vandaag?
De dagelijkse praktijk biedt vaak meer kansen dan veel organisaties verwachten. Medewerkers weten precies waar tijd verloren gaat, welke werkzaamheden steeds terugkomen en waar informatie lastig toegankelijk is.
Voor informatiemanagers ligt hier een belangrijke rol. Niet door direct AI-oplossingen te introduceren, maar door het gesprek te organiseren over knelpunten in processen en informatievoorziening.
Vragen die daarbij helpen zijn bijvoorbeeld:
- Waar verlies je dagelijks onnodig tijd?
- Welke werkzaamheden herhaal je steeds opnieuw?
- Welke informatie kost veel zoekwerk?
- Welke taak zou je morgen graag eenvoudiger maken?
Deze gesprekken leveren meestal een waardevolle lijst met verbeterkansen op. Sommige daarvan vragen om een procesaanpassing. Andere kunnen worden opgelost met bestaande functionaliteiten die al aanwezig zijn in applicaties. En bij een deel van de vraagstukken kan AI daadwerkelijk een significante bijdrage leveren.
Door eerst het vraagstuk centraal te stellen, ontstaat een realistischer beeld van de mogelijkheden én de verwachte opbrengst.
Kijk eerst naar waarde en daarna naar technologie
Wanneer organisaties AI verkennen, ontstaat vaak een inventarisatie van beschikbare tools. Op zichzelf is dat logisch, maar het zegt nog weinig over de daadwerkelijke meerwaarde.
Een effectievere aanpak is om eerst de potentiële waarde van een vraagstuk te bepalen. Daarbij helpen drie eenvoudige vragen:
- Welk probleem ervaren medewerkers of inwoners?
- Hoeveel tijd, kwaliteit of kosten kunnen we verbeteren?
- Komt dit vraagstuk vaak genoeg voor om structureel aan te pakken?
Deze vragen helpen om onderscheid te maken tussen interessante ideeën en toepassingen die daadwerkelijk impact kunnen maken.
Voor informatiemanagers is dit een belangrijk moment. De vertaling van organisatiedoelen naar concrete verbeteringen vraagt inzicht in processen, informatiestromen, gegevenskwaliteit en gebruikersbehoeften. Juist daar ontstaat de verbinding tussen bedrijfsvoering en technologie.

De AI routekaart
De inzet van AI vraagt meer dan alleen nieuwe technologie. Het vraagt om keuzes, richting en een aanpak die past bij jouw organisatie. Met de AI Routekaart van Quarant krijg je inzicht in waar je staat, welke kansen er liggen en welke stappen nodig zijn om AI verantwoord en effectief in te zetten.
Van knelpunt naar kansrijke AI-use case
Het selecteren van AI-use cases hoeft geen complexe exercitie te zijn. Een pragmatische aanpak werkt vaak het beste. Begin met het ophalen van knelpunten uit de praktijk. Richt je daarbij niet op AI-ideeën, maar op werkzaamheden die als tijdrovend, repetitief of foutgevoelig worden ervaren.
Breng vervolgens de verwachte waarde in kaart. Niet ieder idee verdient een investering. Door tijdsbesparing, kwaliteitsverbetering, risicoreductie of betere dienstverlening zichtbaar te maken, ontstaat een objectiever beeld van prioriteiten.
Toets daarna de haalbaarheid. Denk hierbij aan de beschikbaarheid van gegevens, privacy-eisen, informatieveiligheid en de aansluiting op bestaande systemen en werkprocessen.
Kies vervolgens bewust voor een eerste toepassing die overzichtelijk, zichtbaar en uitvoerbaar is. In veel organisaties blijken relatief eenvoudige toepassingen een uitstekend startpunt. Denk aan het samenvatten van documenten, het analyseren van grote hoeveelheden tekst of het opstellen van conceptberichten.
Een praktische route bestaat uit vijf stappen:
- Haal knelpunten op uit de praktijk.
- Selecteer op waarde en haalbaarheid.
- Toets privacy, data en techniek.
- Start klein en zichtbaar.
- Deel resultaten en leerervaringen.
Deze aanpak levert snel inzicht op in wat werkt, waar aandacht nodig is en welke vervolgstappen logisch zijn.
Bouw aan een lerende organisatie rondom AI
De eerste AI-toepassing is zelden de belangrijkste. De echte waarde ontstaat wanneer organisaties leren van eerdere ervaringen en kennis hergebruiken. Toch worden use cases nog regelmatig als afzonderlijke projecten behandeld. Daarmee verdwijnt kennis vaak zodra een pilot is afgerond. Een structurele aanpak helpt om opgebouwde ervaring beschikbaar te houden voor de rest van de organisatie. Leg daarom bij iedere toepassing vast:
- Welk vraagstuk centraal stond.
- Welke aanpak is gekozen.
- Welke prompts, agents of hulpmiddelen zijn gebruikt.
- Welk resultaat is bereikt.
- Welke lessen relevant zijn voor toekomstige toepassingen.
Op deze manier ontstaat stap voor stap een organisatiebrede kennisbasis. Nieuwe toepassingen kunnen voortbouwen op eerdere ervaringen, waardoor implementaties sneller verlopen en risico’s beter beheersbaar worden.
Voor informatiemanagers biedt dit bovendien de mogelijkheid om samenhang aan te brengen tussen initiatieven, governance-afspraken te ontwikkelen en kennis duurzaam te verankeren.
AI krijgt waarde wanneer het aansluit op de praktijk
Organisaties die succesvol starten met AI kiezen vaak voor een praktische benadering. Zij zoeken niet eerst naar de meest geavanceerde technologie, maar naar vraagstukken die medewerkers vandaag ervaren in hun werk.
Door te beginnen bij concrete knelpunten, ontstaat een betere afweging tussen nut, haalbaarheid en benodigde investering. Kleine zichtbare successen vergroten het vertrouwen van medewerkers en bieden waardevolle inzichten voor volgende toepassingen. Voor informatiemanagers ligt hier een belangrijke kans. Door vraagstukken uit de praktijk centraal te stellen en technologie te verbinden met processen, informatie en mensen, ontstaat een stevige basis voor duurzame AI-adoptie.
Van A naar AI, waarom verandering vraagt om waarden, wijsheid en kleine stappen
Organisaties investeren fors in AI. Toch blijft de opbrengst regelmatig achter bij de verwachtingen. De oorzaak ligt zelden bij de technologie. AI-adoptie wordt vooral bepaald door gedrag, vaardigheden, kennisdeling en leiderschap binnen de organisatie.
AI in het Sociaal Domein
Het Sociaal Domein verandert. De vraag naar ondersteuning vanuit de samenleving blijft groeien, wachtlijsten voor Wmo en Jeugdzorg lopen op en gemeenten staan voor de taak om met minder middelen meer impact te maken.
AI-adoptie, is technologie het probleem bij de implementatie van AI in organisaties?
Organisaties investeren fors in AI. Toch blijft de opbrengst regelmatig achter bij de verwachtingen. De oorzaak ligt zelden bij de technologie. AI-adoptie wordt vooral bepaald door gedrag, vaardigheden, kennisdeling en leiderschap binnen de organisatie.

Wil je verder praten over AI in jouw organisatie?
Quarant ondersteunt publieke organisaties bij het identificeren van waardevolle AI-use cases, het beoordelen van haalbaarheid en risico’s en het ontwikkelen van een aanpak die aansluit op de dagelijkse praktijk. Neem contact op voor een verkennend gesprek of bekijk onze kennisartikelen over AI, informatiemanagement en digitale transformatie.
