Je hebt AI geprobeerd en het viel tegen. Welke taak werkt wel?
Van de kleine bedrijven die AI overwogen en er toch van afzagen, noemt het merendeel gebrek aan ervaring als reden. Achter dat woord zit meestal de gekozen taak en niet de techniek. Wie begint bij het hele bedrijf, krijgt output die hij helemaal moet nakijken. Wie begint bij één taak die vaak terugkomt en weinig uitzonderingen kent, houdt er tijd aan over. Er zijn zes stappen die het verschil maken, en de eerste is een keuze.
De maand waarin het niet werd wat het beloofde
Je las erover, je hoorde het van iemand in je netwerk, en je bent begonnen. Een abonnement genomen, wat dingen geprobeerd, een paar teksten laten schrijven.
De eerste week was leuk. De tweede week merkte je dat het nakijken net zo lang duurde als het zelf doen. In de derde week gebruikte je het nog voor kleine dingen. Daarna niet meer.
Je bent daar niet alleen in. Van de allerkleinste bedrijven gebruikt ongeveer één op de zeven iets van AI, terwijl dat bij de grote bedrijven twee op de drie is. En van de bedrijven die AI-gebruik overwogen en er toch van afzagen, noemt bijna driekwart gebrek aan ervaring als voornaamste reden.
Dat woord ervaring verhult wat er gebeurt. Het gaat er zelden om dat iemand de knoppen niet vindt.
De vijf plekken waar het misgaat
Uit onderzoek van de OESO en MIT en uit wat adviesbureaus in de praktijk zien, komt steeds hetzelfde patroon.
De tool komt vóór het proces. Er wordt iets aangeschaft voordat duidelijk is hoe het werk nu precies loopt. Een programma dat antwoord moet geven op een vraag, kan niet corrigeren voor een werkwijze die zelf rammelt.
Niemand is de eigenaar. Er is geen persoon die verantwoordelijk is voor het resultaat, dus niemand meet of het iets oplevert en niemand stuurt bij. Of mensen het blijven gebruiken is volgens meerdere bronnen de meest bepalende factor voor succes, en het is tegelijk waar het minst naar gekeken wordt.
De gegevens zijn niet op orde. De kennis zit in hoofden, in losse mailwisselingen en in een gedeelde map die niemand bijhoudt. Een model dat daarop wordt losgelaten mist de context en levert iets algemeens op.
De taak is te bijzonder. Hoe minder herhaling en hoe meer uitzonderingen, hoe groter de kans dat controleren en corrigeren meer tijd kost dan het origineel.
De verwachting klopte niet. AI wordt verkocht als antwoord op tijdgebrek. Sneller werken, minder nadenken, meer output. Die belofte wordt zelden getoetst aan wat het bedrijf echt nodig heeft, en dan gaat de eerste teleurstelling niet over de techniek maar over een verwachting die nooit realistisch was.
Wat wel werkt
Het patroon aan de goede kant is even consistent. Wat werkt is werk dat vaak terugkomt, weinig uitzonderingen kent, en waarbij een fout zichtbaar is voordat hij schade doet.
Denk aan facturen samenvatten, terugkerende klantmails opstellen, een offerte opbouwen uit standaardblokken, aantekeningen van een gesprek uitwerken, of een lange mailwisseling terugbrengen tot de afspraak die eruit kwam.
Dat is minder spectaculair dan wat er in de verhalen staat. Het is wel het soort werk waar per week uren in zitten.
Zes stappen die het verschil maken
Kies één taak en niet je bedrijf. Neem het administratieve of schrijfwerk dat het vaakst terugkomt en de minste uitzonderingen kent. Dit onderscheid tussen één taak en het hele bedrijf is precies waar het OESO-onderzoek het verschil legt tussen wat lukt en wat tegenvalt.
Meet vooraf hoeveel tijd die taak nu kost. Per week, een ruwe schatting is genoeg. Zonder die nulmeting kun je achteraf niet zien of er iets bespaard is, en dan blijft het bij een gevoel.
Wijs één eigenaar aan. Bij een groter team is dat een persoon, bij een eenmanszaak ben jij het met een vast moment in de week waarop je kijkt of het nog klopt.
Zet geen klantgegevens in een gratis tool zonder na te gaan of er een verwerkersovereenkomst is. Waar de tool het aanbiedt, zet je het gebruik van jouw invoer voor training uit. Die instelling is een begin en geen oplossing. Welke route bij de AVG past, hangt af van welke gegevens je erin stopt en waar de aanbieder ze verwerkt, en dat is per bedrijf een aparte vraag.
Reken de controletijd mee als tijd. Als het nakijken langer duurt dan het origineel zou hebben gekost, is die taak nog geen kandidaat, ook al is de tool gratis.
Stop na twee weken als het niet klopt. Een taak die na twee weken meer correctietijd kost dan hij bespaart, is de verkeerde taak. Doorzetten omdat je er al in zit, is hoe je aan een abonnement komt dat je een jaar later opzegt.
Deze zes kosten je samen een uur voorbereiding en twee weken proberen. Dat is de prijs van een eerlijk antwoord.
Waar het per zaak uiteenloopt
Welke van jouw processen echt vaak genoeg terugkomen en weinig genoeg uitzonderingen kennen, is precies de vraag waar de vergissing meestal zit. Er zijn taken die repetitief lijken en het bij nader inzien niet zijn.
Of je gegevens schoon genoeg zijn om er iets op los te laten, en wat er eerst opgeruimd moet worden, hangt af van hoe je nu werkt.
Welke route bij de AVG past bij jouw gegevensstroom, verschilt ook. Soms is een verwerkersovereenkomst genoeg, soms wil je een aanbieder binnen de EU, en soms is het antwoord dat er simpelweg geen persoonsgegevens in gaan.
En welke tool past bij je budget en bij de programma's die je al gebruikt voor boekhouding, klanten en planning, bepaalt of je iets aan je werk toevoegt of er een los eiland naast zet.
Wil je weten wat er in jouw week aan zit?
Daar is de AI-startsessie voor. Twee uur bij jou op locatie, voor jou en eventueel iemand die met je meewerkt. We kijken naar wat AI op dit moment kan, en welk deel daarvan past bij hoe jij werkt. Je gaat weg met een paar toepassingen die je meteen gebruikt. Dat kost €295.
Werk je met een team en wil je dat iedereen het zelf leert gebruiken, dan is de AI-workshop de vorm. Een dagdeel op locatie met maximaal acht mensen, zodat er genoeg aandacht is voor het werk van iedereen die erbij zit. Iedereen brengt een klus mee die elke week terugkomt. Dat kost €750.
Bij allebei geldt hetzelfde uitgangspunt. Ik begin bij het werk dat je nu doet en niet bij de tool.