Een medewerker die gegevens uit honderden facturen overtypt, een klantenservice die steeds dezelfde vragen beantwoordt, een jurist die uren kwijt is aan rekenwerk. Bij dat soort werk levert AI-implementatie de meeste winst op. Het gaat dan niet om een losse chatbot naast jullie systemen. Het gaat om AI die in jullie bestaande werkprocessen zit, met jullie eigen data, en die meetbaar beter of sneller werkt dan de huidige aanpak. Hieronder lees je hoe zo’n traject verloopt, wat erbij komt kijken en waar je vooraf op let.
AI-implementatie in het kort
AI-implementatie is het inbouwen van AI-modellen in de bestaande processen en systemen van een organisatie, gekoppeld aan de eigen data. Een goed traject begint klein: met één afgebakende toepassing die je toetst aan vooraf afgesproken kwaliteitscriteria. Pas als die pilot zijn waarde bewijst, schaal je op. De mens houdt daarbij de uiteindelijke controle.
Waar AI in organisaties het meeste oplevert
AI levert vooral op bij werk dat veel voorkomt, op regels berust en nu veel handwerk vraagt. Hoe meer tijd medewerkers kwijt zijn aan overtypen, zoeken of samenvatten, hoe groter de kans dat een AI-toepassing zich terugverdient.
De toepassingen die organisaties het vaakst verkennen, vallen in vier groepen:
- Documentverwerking: gegevens uit bonnen, facturen, formulieren en contracten automatisch herkennen en klaarzetten in het juiste systeem.
- AI-assistenten: medewerkers of klanten krijgen antwoord op vragen, opgebouwd uit jullie eigen documentatie, beleid of kennisbank.
- Agents: AI die zelfstandig een reeks stappen uitvoert, zoals een aanvraag controleren, ontbrekende informatie opvragen en een dossier voorbereiden.
- Beslisondersteuning: AI zet informatie op een rij en doet een voorstel; de vakspecialist beslist.
Vaak blijkt tijdens een verkenning dat een deel van het werk zonder AI te automatiseren is. Een vaste regel of een goede koppeling is dan goedkoper en betrouwbaarder. AI werkt het best als aanvulling op bedrijfsprocessen die al goed zijn ingericht met interne tools, niet als vervanging daarvan.
Waarom eigen data het verschil maakt
Een publiek taalmodel weet veel over de wereld, maar niets over jullie organisatie. Het kent jullie producten, dossiers en werkafspraken niet. Bovendien hoort gevoelige informatie van klanten, patiënten of leden daar niet thuis.
Bij een goede AI-implementatie blijft de data binnen de eigen omgeving. Per vraag gaat alleen mee wat nodig is, en het antwoord verwijst terug naar de bron waaruit het is opgebouwd. Zo kan een medewerker altijd nagaan waar een antwoord vandaan komt. We werken daarvoor onder meer met modellen van Anthropic en met Azure Document Intelligence voor het herkennen van documenten.
Een voorbeeld uit onze eigen praktijk is Letselinzicht, een platform voor letselschadeberekeningen dat we sinds 2025 samen met Helder bij Letselschade ontwikkelen. Het platform herkent bonnen en facturen en doet een voorstel; de jurist houdt de controle. Samen met de automatische verwerking van richtlijnen, indexeringen en wettelijke rente levert dat tot 50% tijdwinst op het rekenwerk op.
Daar zit ook een randvoorwaarde in: AI is zo goed als de data waarop hij werkt. Staan klantgegevens verspreid over oude systemen en spreadsheets, dan is het verstandig die eerst op orde te brengen. Soms is een datamigratie naar één betrouwbare bron de eerste stap, nog voordat er een AI-model aan te pas komt.
Een AI-traject in vier fases
AI-implementatie verloopt het best in kleine stappen, waarbij elke stap een eigen beslismoment heeft. Zo blijft de investering beheersbaar en weet je snel of een toepassing werkt.
1. Verkennen op de werkvloer
Begin bij het werk zelf, niet bij de technologie. Loop mee met de mensen die het proces dagelijks uitvoeren en kijk waar tijd verloren gaat. Daar komen de beste kandidaten voor AI vandaan, en ook de toepassingen waar AI juist niet nodig is.
2. Een startproject kiezen
Kies één tot drie concrete startprojecten, elk met een inschatting van wat het oplevert en wat het kost. Het kansrijkste project combineert een duidelijke tijdwinst met data die al beschikbaar is en een beperkt risico als de AI een fout maakt.
3. Pilot op eigen data
Test het startproject met jullie eigen data en leg vooraf vast waaraan een goed resultaat moet voldoen. Denk aan het percentage correct herkende velden of het aandeel antwoorden dat een specialist zonder aanpassing goedkeurt. Haalt de pilot die criteria niet, dan stuur je bij of stop je. Ook dat is een waardevolle uitkomst.
4. Opschalen en beheren
Na een geslaagde pilot volgt de inbouw in de bestaande systemen: koppelingen met jullie CRM, zaaksysteem of administratie, rollen en rechten, logging en monitoring. Een AI-toepassing vraagt daarna blijvend onderhoud. Modellen veranderen, data verandert en de kwaliteit moet je blijven meten.
In die laatste fase zit het verschil tussen een geslaagde demo en een toepassing die jarenlang werkt. Het inbouwen van AI in bestaande systemen is software-engineering: veilige koppelingen, een stabiele architectuur en iemand die het blijft monitoren. We ontwikkelen sinds 2014 maatwerkapplicaties en bouwen AI-toepassingen met hetzelfde team, zodat de AI en de systemen eromheen in één hand blijven.
Wet- en regelgeving rond AI-implementatie
AI-implementatie raakt aan twee kaders: de AVG voor persoonsgegevens en de Europese AI-verordening (AI Act). Beide bepalen mee hoe je een toepassing ontwerpt.
Verwerkt een AI-toepassing persoonsgegevens, dan gelden de gewone AVG-regels: een duidelijk doel, niet meer data dan nodig en een verwerkersovereenkomst met de partij die de toepassing bouwt of beheert. We sluiten die standaard af met klanten voor wie we persoonsgegevens verwerken.
De AI-verordening werkt met risiconiveaus. De plicht om te zorgen voor voldoende AI-geletterdheid bij iedereen die binnen jullie organisatie met AI werkt, staat in artikel 4. Die geldt sinds 2 februari 2025, met handhaving vanaf 2 augustus 2026. Voor AI-systemen met een hoog risico is de planning aangepast: Verordening (EU) 2026/1744 verschoof op 27 juli 2026 de eisen voor hoog-risico-AI naar december 2027 en augustus 2028. De verboden praktijken, de GPAI-regels, de AI-geletterdheidsplicht en de transparantieplicht van artikel 50 blijven onverminderd gelden.
De meeste toepassingen voor documentverwerking of interne kennisvragen vallen niet in de hoog-risicocategorie. Gebruik je AI bij beslissingen over mensen, zoals de toekenning van uitkeringen, subsidies of personeelsselectie, laat dat dan vooraf juridisch toetsen.
Checklist voor AI implementatie
Deze checklist helpt je om een AI-idee te toetsen voordat jullie er budget aan besteden. Loop hem samen door met de proceseigenaar, iemand van IT en degene die over privacy gaat.
Het vraagstuk
Een goede AI-toepassing begint bij een scherp omschreven vraagstuk. Controleer daarom eerst of het doel helder is:
- Het proces is concreet benoemd, met de mensen die het nu uitvoeren.
- Je weet ongeveer hoeveel tijd het werk nu kost, per week of per maand.
- Er is een meetbaar doel, zoals een kortere doorlooptijd of minder handmatige invoer.
- Jullie hebben gecheckt of een vaste regel of koppeling het werk niet ook kan doen.
Data en systemen
Daarna komt de vraag of de benodigde informatie beschikbaar en bruikbaar is. Zonder betrouwbare data levert ook het beste model weinig op.
- De data die de AI nodig heeft, is bekend en digitaal beschikbaar.
- Het is duidelijk in welke systemen die data staat en hoe je die koppelt.
- Gevoelige gegevens zijn in kaart gebracht, en er is bepaald wat het model wel en niet mag zien.
- Er is een verwerkersovereenkomst als er persoonsgegevens meegaan.
Kwaliteit en controle
Een pilot zonder vooraf vastgelegde criteria eindigt vaak in een discussie op gevoel. Leg daarom deze punten vast voordat de pilot start:
- Kwaliteitscriteria waaraan een goed antwoord of resultaat moet voldoen.
- Wie de uitkomsten controleert en wie de eindbeslissing neemt.
- Wat er gebeurt als de pilot de criteria niet haalt: bijsturen of stoppen.
- Hoe je terugvindt op welke bron een antwoord is gebaseerd.
Organisatie en beheer
Ook na de pilot moet iemand verantwoordelijk blijven. Een toepassing die niemand bewaakt, verliest ongemerkt aan kwaliteit.
- Er is één eigenaar binnen de organisatie.
- Medewerkers die met de toepassing werken, krijgen uitleg over wat AI wel en niet kan (AI-geletterdheid).
- Monitoring, onderhoud en doorontwikkeling zijn belegd, liefst bij het team dat de toepassing bouwde.
- Jullie weten hoe je overstapt als dat ooit nodig is: code, data en configuratie zijn van jullie.
Kun je de meeste punten afvinken, dan is het idee rijp voor een pilot. Blijven er bij data en systemen veel open vragen, begin dan daar.
Wanneer AI niet de beste stap is
Eerlijk advies hoort bij een goede AI-implementatie, ook als dat advies “niet doen” is. AI is krachtig bij ongestructureerde informatie zoals tekst, documenten en vragen in gewone taal. Voor taken met vaste regels en gestructureerde data is klassieke software vaak sneller, goedkoper en voorspelbaarder.
Ook bij kleine volumes is de rekensom niet altijd gunstig. Stel dat een team één uur per week kwijt is aan een bepaalde taak. Dan levert automatisering ongeveer vijftig uur per jaar op, en daar gaan bouw, beheer en controle nog van af. Bij vijftig uur per week ligt dat heel anders. Reken het daarom per toepassing door, voordat enthousiasme het budget bepaalt.
Veelgestelde vragen
Is AI gratis te gebruiken in een organisatie?
Veel AI-tools hebben een gratis versie, maar die is meestal niet bedoeld voor bedrijfsgegevens. Voor zakelijk gebruik met eigen data betaal je voor het model, de koppelingen met jullie systemen en het beheer. Wat dat kost, hangt af van het volume, de complexiteit van jullie processen en de eisen aan beveiliging.
Moeten medewerkers een AI-training volgen?
De AI-verordening verwacht dat organisaties zorgen voor voldoende AI-geletterdheid bij mensen die met AI werken. Een algemene cursus helpt, maar de meeste waarde zit in uitleg over de toepassing die jullie zelf gebruiken: wat die goed doet, waar de grenzen liggen en hoe je een antwoord controleert.
Hoe lang duurt een AI-implementatie?
Dat verschilt sterk per toepassing en per organisatie. Een pilot op eigen data laat vaak binnen weken zien of AI het werk aankan. Hoe lang de volledige inbouw daarna duurt, hangt af van het aantal systemen, de staat van de data en de eisen aan beveiliging.
Gaat onze data naar het AI-model van een externe partij?
Dat hangt af van hoe de toepassing is gebouwd. Bij een zorgvuldige opzet blijft de data in jullie eigen omgeving en gaat per vraag alleen het noodzakelijke mee. Leg dit vooraf vast in de architectuur en in de verwerkersovereenkomst.
Wat als de AI een fout maakt?
AI maakt fouten, net als mensen. Daarom leg je vooraf vast wanneer een resultaat goed genoeg is, en houdt een vakspecialist de eindbeslissing. Doordat elk antwoord terugwijst naar de bron, is een fout snel te herkennen en te herstellen.
Klein beginnen, meetbaar opschalen
AI-implementatie werkt het best als je begint bij een concreet vraagstuk, test op eigen data en pas opschaalt als de resultaten het rechtvaardigen. De techniek is zelden het struikelblok. Het verschil zit in een goede keuze voor de eerste toepassing, heldere kwaliteitscriteria en een team dat de software daarna blijft onderhouden.
Wil je weten welke toepassing bij jullie het meeste oplevert? Bij onze AI-implementatie begint elk traject met een AI Discovery, voor een vaste prijs van EUR 2.970 excl. btw. Twee senior consultants lopen een dagdeel op locatie met jullie team het werk door. Binnen een week krijg je een rapport met een tot drie startprojecten, elk met de verwachte meerwaarde en een indicatieve investering.