Je hebt iets geautomatiseerd. Een tool die je offertes klaarzet, een AI die je mails voorsorteert, een flow die vanzelf zou lopen. De eerste week draaide het. En nu, twee maanden later, doe je het weer zelf. Of erger: je controleert wat het ding aflevert, en dat kost je evenveel tijd als vroeger.
Dat is geen toeval, en het ligt zelden aan de tool. AI-automatisering faalt bij de meeste bedrijven om een reden die je nergens in het verkooppraatje hoort. En diezelfde reden wijst precies aan waar het wél begint.
Waarom faalt AI-automatisering bij de meeste bedrijven?
Omdat je iets probeert weg te geven dat nergens staat, behalve in je eigen hoofd.
Een automatisering kan alleen een proces overnemen dat je kan uittekenen. En het werk waar jij het drukst mee bent, is net het werk dat je nooit hebt opgeschreven. Je doet het gewoon. De uitzonderingen, de "ja maar bij die klant doen we het anders", de reden waarom stap drie soms stap vijf wordt: dat zit allemaal in jou. En precies daar ligt ook het verschil tussen automatisering en AI: automatisering volgt regels die iemand opschreef, AI maakt een inschatting waar je geen vaste regel voor hebt.
Uit onderzoek van MIT bleek vorig jaar dat vijfennegentig procent van de AI-projecten in bedrijven geen meetbaar resultaat oplevert. De AI is daarbij zelden de zwakke schakel. Het bedrijf eronder is dat wel.
Wat gebeurt er als je chaos automatiseert?
Dan krijg je snellere chaos.
Automatisering versnelt wat er al is. Loopt je proces rammelend, dan rammelt het voortaan aan hoge snelheid, en zie je de fout pas drie stappen verder.
Bij klanten raak ik daarom dag één nooit aan de AI. We beginnen bij het werk. Ik laat iemand hardop vertellen hoe ze een offerte maakt, en halverwege stokt het al: "dan kijk ik even of het die klant is die altijd op factuur wil, en zo niet, dan..." Daar, in dat "even kijken", zit het echte proces. Dat staat nergens. En zolang dat nergens staat, valt er niets over te dragen.
Maar eerst je data op orde, toch?
Dat is het antwoord dat je overal leest, en het is maar half waar.
Slechte data speelt mee. Maar de bedrijven die met AI wél winst maken, dankten dat zelden aan opgepoetste spreadsheets. Ze hadden hun manier van werken opnieuw ingericht. McKinsey onderzocht vorig jaar honderden bedrijven. Achtentachtig procent gebruikt intussen AI, en de sterkste voorspeller van wie er echt winst uit haalt, bleek hoe grondig ze het werk zelf opnieuw hadden getekend. De keuze van de tool woog veel minder, de netheid van de database nog minder.
Wat je eerst legt: het fundament
Het fundament is niets exotisch. Het is opschrijven hoe het werk echt gaat, zodat iemand anders dan jij het kan overnemen. Een mens of een systeem, dat maakt voor deze stap niet uit.
In mijn eigen werk en bij klanten stel ik bij elke taak dezelfde vraag: heeft dit een mens nodig? Zit er oordeel in, of relatie, of aanvoelen? Dan hoort de juiste persoon erop. Zo niet, dan kan er een systeem op, met AI als medewerker. Maar pas nadat de taak op papier staat. Die volgorde is de kern van wat ik de AOS-aanpak noem: systeem eerst, automatisering daarna.
Het verschil tussen de twee volgordes is groter dan het klinkt.
| Automatiseren op chaos | Automatiseren op een fundament | |
|---|---|---|
| Wat je weggeeft | een taak die alleen jij snapt | een taak die op papier staat |
| Wat de AI leert | jouw uitzonderingen niet | de regel én de uitzondering |
| Wat er misgaat | fouten die je te laat ziet | fouten die je vooraf hebt afgegrensd |
| Wat je overhoudt | snellere chaos | tijd die niet meer bij jou terugkomt |
Je kan jezelf niet klonen. Maar je impliciete kennis opschrijven komt er het dichtst bij. Die beschrijving die je maakt om AI iets te leren, is exact de beschrijving die je nodig hebt als je later een mens aanneemt. Je doet het werk één keer, het dient twee keer.
Welke kennis verliest je bedrijf als iemand wegvalt?
Bij de meeste groeiende bedrijven zit het meeste werk in drie soorten kennis die nergens staan. Zolang je met twee bent, merk je dat niet. Vanaf het moment dat er een team is, zit die kennis in verschillende hoofden. En die hoofden vergeten dingen, zitten op andere dagen op kantoor, of vertrekken.
- Inhoudelijke kennis. Het onderzoek dat iemand vorig jaar deed naar een tool. De aanpak die bij één klant zo goed werkte. Volgende maand vraagt iemand ernaar, niemand weet dat het al bestaat, en iemand begint van nul.
- Processen. Twee jaar geleden spraken jullie af hoe iets het vlotst gaat. Daarna deed één persoon het altijd. Valt die een week uit, dan sukkelt de rest drie uur, en voelt iedereen zich schuldig over een instructie die nooit is opgeschreven.
- Beslissingen. Een meeting van twee uur, drie knopen doorgehakt, en niemand schrijft het op. Drie maanden later ligt hetzelfde voorstel terug op tafel en voer je dezelfde discussie opnieuw.
Dat zijn precies de drie dingen waar een automatisering op draait. Een systeem kan geen proces overnemen dat in iemands hoofd zit, en geen beslissing volgen die niemand noteerde. Wat een nieuwe medewerker zes maanden kost om te snappen, snapt een AI nooit.
Doe de test: hoeveel zit er alleen in jouw hoofd?
Vier vragen, en je weet binnen vijf minuten waar je bedrijf op jou leunt. Eerlijk antwoorden, geen "ja maar".
- Als je rechterhand morgen een week uitvalt, weet iemand anders dan hoe haar drie kerntaken gaan?
- Vind je in vijf minuten terug wat jullie zes maanden geleden besloten over een grote keuze?
- Werkt je onboarding zonder dat jij of een vaste collega er drie weken naast moet zitten?
- Vraagt iemand in je team weleens iets waarvan jij denkt: "dat hebben we toch al eens uitgezocht"?
Zeg je bij meer dan één vraag "nee", of bij de laatste "ja", dan zit er meer in hoofden dan op papier. En dan weet je meteen waar een automatisering zou stranden: precies daar. Daar begin je met opschrijven, niet bij de tool.
Hoe begin je? In de juiste volgorde
In deze volgorde, en de eerste stap kost je niets.
- Kies één taak die je al lang wil weggeven. Bij voorkeur de taak waarvan je al eens hardop hebt gezegd dat je hier eigenlijk iemand voor zou moeten hebben.
- Schrijf op hoe jij hem doet. Elke stap, ook de vanzelfsprekende, en vooral wat je doet als het afwijkt.
- Leg die beschrijving naast een buitenstaander. Snapt iemand anders hem niet zonder jou erbij, dan snapt de AI hem ook niet. Vul aan tot het klopt.
- Pas dan automatiseren. Eén taak, in de programma's die je al gebruikt. Laat het systeem eerst een voorstel doen dat jij nakijkt.
- Klopt dat weken aan een stuk, breid dan uit. Nooit alles tegelijk. Alles tegelijk automatiseren is net de reden dat het niet werkt.
Die tweede stap is het echte werk, en hoe je je processen vastlegt voor je iets automatiseert staat helemaal los van welke AI je later kiest. Wil je de volgorde in het groot zien, dan gaat waar je écht begint met AI implementeren over precies dit, inclusief welke taak je als eerste weggeeft, want die beslist of de rest ooit volgt. Een goede eerste taak is bijvoorbeeld het verslag van een vergadering: het schrijven is makkelijk, de opvolging is het echte werk.
Wat dit betekent voor een KMO of MKB met een klein team
Bij een klein bedrijf ben jij de documentatie. Er is geen afdeling die het proces bewaakt, er is jouw hoofd. Zo werkt een KMO nu eenmaal, tot ze te groot wordt om via één persoon te blijven lopen.
Precies daarom is het opschrijven bij jou dringender dan bij een groot bedrijf, en tegelijk sneller gedaan. Je hoeft geen tien afdelingen op één lijn te krijgen. Je hoeft alleen uit je hoofd te halen wat er te lang in is blijven zitten. Voor een MKB-bedrijf in Nederland met vijf mensen aan boord geldt exact hetzelfde: de bottleneck en het fundament zitten op dezelfde plek. Waar je daarmee begint, staat in structuur brengen in een bedrijf.
Wie eerst losse tools aan elkaar knoopt zonder die laag, bouwt een tweede bedrijf naast het eerste in plaats van een systeem erin. En wat je wel en niet kan automatiseren valt met die ene vraag over het fundament al grotendeels uit elkaar.
Veelgestelde vragen
Waarom faalt AI-automatisering zo vaak?
Omdat de meeste bedrijven een taak proberen weg te geven die nergens beschreven staat, behalve in het hoofd van de oprichter. Een systeem kan alleen overnemen wat je kan uittekenen. Ontbreekt die beschrijving, dan automatiseer je je eigen chaos en versnel je die alleen maar.
Moet ik eerst mijn data op orde hebben voor ik automatiseer?
Schone data helpt, maar daar zit de winst niet. Onderzoek laat zien dat de bedrijven die echt profijt uit AI halen, vooral hun manier van werken opnieuw hebben ingericht. Begin dus bij het proces zelf. Je spreadsheets komen later.
Wat betekent "eerst het fundament" concreet?
Opschrijven hoe een taak echt verloopt, stap voor stap, inclusief de uitzonderingen. Zo helder dat een buitenstaander hem zou kunnen overnemen. Diezelfde beschrijving gebruik je daarna om een AI in te werken, en later ook een mens als je er een aanneemt.
Welke kennis schrijf ik eerst op voor ik automatiseer?
Begin bij de processen die maar één persoon kent. Valt die persoon uit, dan staat het werk stil, en een automatisering kan het evenmin overnemen. Daarna de beslissingen die steeds opnieuw op tafel komen. De inhoudelijke kennis, zoals onderzoek en aanpakken die al eens werkten, komt als laatste.
Kan een klein bedrijf automatiseren zonder groot budget?
Ja. De belangrijkste stap kost niets: uitschrijven hoe jij werkt. De bedrijven die het meeste terugwinnen, beginnen klein en saai bij één taak op de achterkant. Voor een KMO of MKB met een klein team is dat vaak de sterkste route.
Hoe weet ik of een taak klaar is om weg te geven?
Kan jij hem zo opschrijven dat iemand anders hem morgen kan overnemen, en zit er geen menselijk oordeel of gevoel in? Dan is het een kandidaat voor een systeem. Lukt dat uitschrijven niet, dan zou een mens er ook op stuklopen. Eerst schrijven, dan pas weggeven.
Tot slot
De vraag die telt: kan je één taak uit je bedrijf zo opschrijven dat hij ook zonder jou draait? Lukt dat, dan heb je iets om weg te geven. Lukt dat niet, dan heb je gevonden waar het echte werk zit.
AI is het laatste stukje, niet het eerste. Ik bouw die achterkant samen met ondernemers die eraan toe zijn, stap voor stap, in de programma's die ze al gebruiken. Wil je hem zelf leren bouwen, dan kan dat in SHEFORGES AI Studio.







