AI implementeren: de tool is het kleine besluit, deze drie lagen het grote

Een vraag die wij veel voorbij zien komen: moet ik voor mijn bedrijf ChatGPT, Claude, Gemini of toch Copilot kiezen? Een logische vraag, maar wat er na die keuze gebeurt is vaak hetzelfde verhaal. De licenties worden uitgerold, een paar collega's die handig zijn met AI gebruiken ze volop, maar daar houdt het dan ook op. En dan komt de vraag die er echt toe doet: hoe zorg je dat AI waarde toevoegt aan je bedrijf naast dat het leuk is om er mee te experimenteren?

Die vraag is de kern van deze blog. Het antwoord in één zin: AI implementeren is meer dan licenties van het nieuwste AI-model kopen, de echte waarde ontstaat door wat je ermee doet. Kan AI bij jouw eigen bedrijfskennis? Zijn je processen erop ingericht? En kunnen je mensen er goed mee werken?

Langs die lijn beantwoorden we in deze blog vier vragen: waarom een licentie op zichzelf geen voorsprong oplevert, wat je met AI kunt dat verder gaat dan sneller een mail schrijven, of het uitmaakt welke tool je kiest, en welke drie lagen er bij jou moeten kloppen om je Copilot-licenties het verschil te laten maken.

Een licentie geeft iedereen hetzelfde startpunt

Alles wat je kunt aanschaffen, kan een ander morgen ook aanschaffen. Een Copilot-licentie is daarmee slechts het startpunt dat nodig is, maar dit is niet genoeg om je te onderscheiden en om waarde te creëren. Dat is een van de oudste inzichten uit onderzoek naar technologie-implementatie en het geldt voor AI net zo goed als het ooit gold voor machines, ERP-systemen en websites.

Onderzoek laat ook zien waar het verschil dan wél vandaan komt. Of AI in een bedrijf tot betere resultaten leidt, hangt af van drie soorten middelen die samen moeten kloppen:

1. Tastbare middelen zoals licenties, systemen en goed opgeslagen data
2. De vaardigheden van je mensen om met AI te kunnen werken
3. Ontastbare middelen zoals je manier van werken en de ruimte om te verbeteren

De eerste categorie kun je kopen of in laten richten. De andere twee bouw je zelf op, en juist daarom maken ze het verschil. Verderop in deze blog werken we deze drie lagen uit.

Wat kun je dan wel met licenties?

Als een licentie het startpunt is, waar loopt de weg dan naartoe? In de praktijk zien wij drie niveaus, maar de meeste bedrijven blijven steken op het eerste.

Het eerste niveau is individuele productiviteit. Iemand laat een mail herschrijven, vat een vergadering samen of laat een eerste versie van een offerte opstellen. Dat werkt meteen, het vraagt weinig van de organisatie en het levert echt tijd op. De cijfers van het CBS over 2025 laten zien dat vrijwel al het huidige AI-gebruik bij Nederlandse microbedrijven hier zit: vooral marketing en verkoop, met 32,7 procent, en administratieve taken, met 25,9 procent. Precies de plekken waar één medewerker zelf kan besluiten iets te proberen.

Het tweede niveau is het proces: je richt het werk anders in, zodat AI er een vaste rol in heeft. Denk aan binnenkomende offerteaanvragen die automatisch worden gelezen, gecategoriseerd en voorzien van een conceptantwoord, waarna een medewerker alleen nog controleert en verstuurt. De winst is hier een veelvoud van het eerste niveau, doordat je niet één handeling versnelt maar een reeks stappen automatiseert.

Het derde niveau zijn agents die op jouw eigen kennis en systemen zijn aangesloten. Een digitale assistent die jouw producten kent, jouw prijsafspraken kan opzoeken en weet hoe jullie een dossier opbouwen. Op dit niveau doet AI iets wat niemand met alleen een licentie kan nabouwen, omdat het draait op informatie en werkwijzen die alleen jullie hebben. Zes voorbeelden van zulke agents staan op onze site.

Die volgorde is geen ladder waar je zo snel mogelijk doorheen moet. Op het eerste niveau leren je mensen wat de techniek wel en niet kan, en dat leren is het fundament voor de volgende stappen.

Maakt de tool eigenlijk uit?

Deels natuurlijk wel, want er zijn soms enorme verschillen tussen de mogelijkheden van iedere aanbieder. Maar als het gaat om de waarde die het toevoegt aan je bedrijf, maakt het minder uit dan je misschien zou verwachten. De verschillen tussen aanbieders worden steeds kleiner en wie het beste model heeft, dat verschuift ook iedere paar maanden.

Belangrijker is wat het model van jouw bedrijf weet. Een AI-model is van zichzelf namelijk generiek: het kent de hele wereld een beetje, maar de context van jouw bedrijf kent het niet. Het weet niet welke producten je levert, hoe jullie een offerte opbouwen of wat er met een klant is afgesproken. Je AI is daarmee zo goed als de informatie die je het geeft.

De waarde ontstaat pas als je het model koppelt aan je eigen bedrijfsinformatie, inricht op jouw processen en je mensen het goed leert gebruiken. Ontbreken die drie, dan kun je het duurste en nieuwste model kopen en voegt het nog steeds weinig toe. Omgekeerd haalt een organisatie die dit wél op orde heeft met een middelmatig model meer resultaat dan een organisatie die het beste model loslaat op een rommelige documentenmap.

Welke tool je kiest is dus het kleine besluit. Of je informatie, je processen en je mensen er klaar voor zijn is het grote besluit. Deze drie lagen leggen we graag aan je uit.

Drie lagen die moeten kloppen

De drie soorten middelen uit onderzoek zijn direct te vertalen naar je eigen bedrijf.

De eerste laag is de tastbare kant: je licenties, je systemen en vooral de plek waar je informatie staat. Voor het MKB gaat het meestal om dat laatste. Staan documenten geordend in SharePoint inclusief de juiste rechtenstructuur, of verspreid over mailboxen, netwerkschijven en de laptop van degene die het dossier trekt? AI kan alleen antwoorden op wat het kan vinden, waarmee de kwaliteit van je antwoorden nooit hoger wordt dan die van je informatiehuishouding.

De tweede laag zijn je mensen: of ze weten waarvoor ze AI inzetten en of ze kunnen beoordelen of een antwoord klopt. Dat gaat verder dan een training over prompts. Het gaat erom dat iemand aanvoelt wanneer een antwoord niet goed is en weet welk werk hij beter zelf blijft doen, of juist de mogelijkheden van AI goed kent en kan toepassen op de organisatie.

De derde laag is jullie manier van werken: wie mag besluiten dat een proces verandert, wie eigenaar is van het resultaat en hoe snel een verbetering die één iemand ontdekt bij de rest terechtkomt. Deze laag wordt snel vergeten, is moeilijk te veranderen maar is uiteindelijk bepalend of jouw bedrijf waarde kan toevoegen met AI.

Zo maak je van je licenties het verschil

De weg van licentie naar waarde is simpel, maar zeker niet makkelijk. Iedere stap zorgt ervoor dat je een stap dichterbij komt:

• Sla je kennis goed op. Zorg dat documenten geordend en vindbaar in SharePoint staan in plaats van verspreid over mailboxen en schijven. Hoe je SharePoint daarvoor slim inzet lees je in deze blog.
• Leid je mensen op. Laat ze leren waarvoor ze AI inzetten, hoe ze een antwoord beoordelen en welk werk ze zelf blijven doen: AI-geletterdheid staat op de agenda.
• Richt je processen opnieuw in en automatiseer. Kies een proces dat vaak genoeg voorkomt, leg vast hoe lang het nu duurt en geef AI er een vaste rol in om tijd te besparen, fouten te voorkomen, of doorlooptijd te versnellen.
• Bouw agents op je eigen kennis. Sluit AI slim aan op de informatie en werkwijzen die alleen jullie hebben. Dit is het niveau waarop je licenties het verschil maken.

Precies bij deze stappen helpen wij bedrijven elke dag: van het ordenen van kennis en het trainen van teams tot het bouwen van agents op jullie eigen informatie. Hoe we dat aanpakken lees je in de strategie van Mr Copilot bij klanten.

Twijfel je met welk proces je zou moeten beginnen? Laat het ons gerust weten, dan kijken we samen waar de eerste stap zit. Dan zijn je Copilot-licenties geen kostenpost meer, maar het begin van een vliegende start.

Bronnen

Davis (1989), Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology, MIS Quarterly: waarom acceptatie door je mensen bepalend is

CBS, Gebruik van AI-technologie door Nederlandse microbedrijven, longread, 16 maart 2026

Mikalef & Gupta (2021), Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance, Information & Management: de drie soorten middelen die samen bepalen of AI iets oplevert

Barney (1991), Firm Resources and Sustained Competitive Advantage, Journal of Management: waarom middelen die iedereen kan kopen geen blijvend voordeel geven