Het belangrijkste element van elk AI-project: de mens

AI belooft enorme productiviteitswinsten, maar in veel organisaties blijven die vooralsnog uit. De oorzaak ligt zelden bij de technologie zelf, maar bij de wisselwerking met mensen: hun verwachtingen, vaardigheden en de realiteit van hun dagelijkse werk.

De kernvraag is dan ook niet of AI medewerkers vervangt of ontlast, maar hoe AI hen kan versterken in hun rol. Een mensgerichte aanpak begint daarom niet bij tools, maar bij taken, processen en concrete behoeften. Juist die benadering maakt de stap mogelijk van losse pilots naar echte waardecreatie, een fase waarin volgens MIT ongeveer 95% van de organisaties vastlopen.

Hoe realiseer je deze transformatie zonder medewerkers te overbelasten, en hoe bouw je tegelijkertijd vertrouwen op? Dat staat centraal in dit artikel.

Veel organisaties zien AI nog steeds als tegenhanger van hun medewerkers. Die misvatting zorgt voor onzekerheid en remt AI-initiatieven al in de pilotfase af. In de praktijk falen projecten niet door de technologie zelf, maar omdat AI wordt geïntroduceerd zonder aansluiting op de werkelijke processen op de werkvloer.

Voorbeelden zoals CNET, Sports Illustrated en Air Canada laten dit duidelijk zien: niet AI is het probleem, maar het ontbreken van de juiste randvoorwaarden en menselijke controle.

Een mensgerichte aanpak beschouwt AI als versterker van menselijke vaardigheden, niet als vervanging. Pas wanneer expertise, context en AI samenkomen, ontstaat echte impact. Daarmee verdwijnt de schijnbare tegenstelling tussen ‘AI of mensen’: de toekomst ligt in de synergie. 

Veel GenAI-pilots mislukken niet door technische beperkingen, maar door organisatorische oorzaken: een gebrek aan vaardigheden, onduidelijke use-cases en het ontbreken van een vertaling naar de dagelijkse praktijk. Zonder een gedeelde basis aan competenties ontstaan onzekerheid en tegenvallende resultaten.

Pilots blijven vaak te abstract. De uitkomsten voelen onbetrouwbaar en de toegevoegde waarde voor het dagelijkse werk is onduidelijk. Bovendien veranderen mensen hun manier van werken zelden zonder begeleiding; losse trainingen zijn daarvoor niet voldoende.

Ook zorgen over dataveiligheid en compliance remmen de toepassing van AI.

De conclusie is helder: de technologie werkt, maar de samenwerking tussen mensen, processen en AI hapert nog te vaak. Juist daarop richt een mensgerichte AI-strategie zich.

Veel AI-initiatieven mislukken niet omdat ze te ambitieus zijn, maar omdat ze uitgaan van een verkeerde veronderstelling: dat technologie centraal staat. AI levert pas echte waarde wanneer mensen het begrijpen, erop vertrouwen en het bewust integreren in hun dagelijkse werk.

Een mensgerichte AI-strategie draait dit perspectief om. Niet de tools vormen het vertrekpunt, maar de rollen, taken en ervaringen van de mensen die met AI werken. De centrale vraag luidt: hoe ondersteunen we medewerkers bij hun dagelijkse werk, zodat zij dit makkelijker, sneller en met hogere kwaliteit kunnen uitvoeren? Welke taken kunnen worden ontlast en welke nieuwe competenties ontstaan daarbij?

Daarmee onderscheidt deze aanpak zich duidelijk van klassieke ‘tech-first’-programma’s, waarin roll-outs, licenties en features de boventoon voeren. In een mensgerichte strategie staat het nut binnen de echte workflow centraal. AI wordt niet simpelweg beschikbaar gesteld, maar samen met de mensen vormgegeven die er dagelijks mee werken.

Dat verandert het karakter van de hele transformatie. In plaats van weerstand ontstaat betrokkenheid. In plaats van onzekerheid ontstaat vertrouwen. En in plaats van losse pilotprojecten ontstaat een schaalbaar framework dat duurzaam in de organisatie wordt verankerd.

Wat betekent dit concreet?

Een mensgerichte AI-strategie…

• Vertrekt vanuit concrete taken, niet vanuit abstracte technologische mogelijkheden.
• Verbindt technologie met context, in plaats van deze geïsoleerd te introduceren.
• Zorgt voor duidelijkheid en vertrouwen via begrijpelijke kaders en transparante richtlijnen voor verantwoord gebruik.
• Ontwikkelt competenties in plaats van alleen tools, zodat medewerkers handelingsbekwaam en zelfverzekerd blijven.
• Maakt medewerkers actieve medeontwerpers, in plaats van louter deelnemers aan een veranderprogramma.

Misschien vraag je je af hoe je zo’n aanpak concreet implementeert. Het antwoord ligt in vier pijlers die de stap van pilotprojecten naar echte waardecreatie mogelijk maken, met de mens consequent centraal.

Een mensgerichte AI-strategie biedt houvast. Ze creëert een duidelijk en herhaalbaar kader om AI systematisch te integreren in het dagelijkse werk, met als doel dat mensen er daadwerkelijk voordeel uit halen.

Elke pijler pakt een cruciale hindernis aan die AI-projecten anders zou vertragen of laten vastlopen.

1. Vaardigheden gericht ontwikkelen – afgestemd op rol en niveau

Veel organisaties kiezen voor brede trainingsprogramma’s waarin iedereen hetzelfde aanbod krijgt. AI-vaardigheden ontwikkelen zich echter niet volgens deze methode. Verschillende rollen vragen om verschillende competenties: van basiskennis van AI tot risico- en validatievaardigheden en taakgericht prompten.

Minstens zo belangrijk is dat medewerkers worden ondersteund op hun eigen niveau, of zij nu beginner, gevorderde of expert zijn. Een effectief leermodel houdt daarom rekening met zowel rol als vaardigheidsniveau. Zo wordt niemand over- of onderbelast en kan iedereen in zijn eigen tempo veilige en effectieve AI-vaardigheden ontwikkelen.

Een rol- en niveaugebaseerd leermodel biedt precies de vaardigheden die relevant zijn voor een specifieke functie en een bepaald volwassenheidsniveau. Medewerkers ervaren hierdoor concreet hoe AI hun dagelijkse werk ondersteunt. Dat verlaagt drempels, vergroot het vertrouwen en stimuleert de motivatie om verder te leren.

Misschien vraag je je af: is dit voldoende voor duurzame adoptie? Het korte antwoord is nee. Kennis alleen verandert gewoonten zelden.

2. AI integreren in de workflow – context maakt adoptie mogelijk

De meeste AI-pilots mislukken omdat ze niet landen in de echte werkcontext. Een use case overtuigt misschien in een meeting, maar verdwijnt al snel in de hectiek van de dagelijkse praktijk.

Een mensgerichte AI-strategie verlegt daarom de focus naar de plek waar het werk daadwerkelijk plaatsvindt. Use cases, agents en voorbeelden worden direct beschikbaar gemaakt op het punt van toepassing: in het ERP-systeem, Office-tools, communicatieplatforms of portalen.

Wanneer medewerkers AI precies zien op het moment dat ze het nodig hebben, ontstaat een natuurlijke overgang van ‘ik zou kunnen’ naar ‘ik doe het gewoon’. Nieuw gedrag wordt zo niet opgelegd, maar vanzelfsprekend gemaakt.

3. Vertrouwen opbouwen – met eenvoudige en zichtbare regels

Vertrouwen is de basis voor elk effectief gebruik van AI. Zonder duidelijke richtlijnen ontstaat onzekerheid: welke data mag ik gebruiken, hoe documenteer ik beslissingen en wanneer kies ik er bewust voor AI níet in te zetten?

Een mensgerichte AI-strategie zorgt voor transparante regels die eenvoudig te begrijpen en praktisch toepasbaar zijn. Dat omvat privacy-, governance- en compliancekaders, maar ook heldere do’s and don’ts, bijvoorbeeld voor het omgaan met gevoelige informatie.

Zeker met het oog op nieuwe regelgeving, zoals de EU AI Act, zijn zulke richtlijnen onmisbaar. Ze bieden houvast, beperken risico’s en maken verantwoord gebruik mogelijk, zonder dat medewerkers bang hoeven te zijn om fouten te maken.

4. Mensen tot medeontwerpers maken – niet slechts betrekken

Duurzame verandering ontstaat wanneer mensen een actieve rol krijgen. Dat geldt ook voor AI. Als teams ruimte krijgen om ideeën in te brengen, feedback te geven, te experimenteren en verbeteringen voor te stellen, ontstaat echt eigenaarschap.

Een mensgerichte AI-strategie zet daarom in op lokale AI-voorvechters, communities of practice en korte feedbackloops. Zo worden betrokkenen eerst actieve deelnemers en vervolgens medeontwerpers. Dit vergroot de acceptatie aanzienlijk en versnelt de vertaalslag naar de dagelijkse operatie.

Zodra de strategische principes zijn vastgesteld, volgt de vraag: hoe breng je dit effectief in de praktijk? Het antwoord ligt in de AI-lifecycle.

Veel organisaties benaderen AI-initiatieven nog als klassieke IT-projecten, met duidelijke grenzen en een vast eindpunt. AI werkt echter fundamenteel anders: het ontwikkelt zich continu en verandert met elke nieuwe use case, regelgeving en update. Een statisch project kan die dynamiek nauwelijks bijhouden.

Een mensgerichte AI-strategie kiest daarom voor een doorlopend, cyclisch proces dat direct is afgestemd op de dagelijkse workflow. Deze AI-lifecycle zorgt ervoor dat AI geen kortetermijnexperiment blijft, maar uitgroeit tot een levend en structureel onderdeel van de organisatie.

Identificeren: kansen ontdekken in de dagelijkse werkpraktijk

De eerste stap begint niet in het lab, maar in de dagelijkse praktijk van teams. Welke activiteiten kosten veel tijd? Waar ontstaan knelpunten? Welke beslissingen kunnen beter worden voorbereid en welke informatie kan sneller beschikbaar zijn?

Met workshops, of eenvoudige procesobservaties worden zinvolle use cases veel gerichter geïdentificeerd dan via top-down opgestelde lijsten.

Hier ontstaat de eerste echte meerwaarde: medewerkers voelen zich gezien en betrokken, wat het vertrouwen in AI vanaf het begin versterkt.

Prototypen: snel testen, veilig beoordelen

Kleine prototypes leveren snel inzicht, zonder grote inspanning. Ze laten zien of een use case in de praktijk werkt, welke data nodig is en waar mogelijke risico’s liggen. Zo ontstaat duidelijkheid vóórdat er tijd en budget worden geïnvesteerd in uitgebreide ontwikkeling.

Een goed prototype beantwoordt vragen als:

• Werkt dit scenario in de echte werkcontext?
• Hoe interacteren mensen ermee?
• Welke validatie- en controlemechanismen zijn nodig?

Op deze manier ontstaan oplossingen die standhouden in de praktijk, en niet alleen overtuigen op papier.

Schaalbaar maken: AI in de workflow brengen, niet in een parallel universum

In deze fase wordt bepaald of een use case uitgroeit tot een echte productiviteitshefboom. Succesvolle oplossingen worden geïntegreerd in de systemen die teams al gebruiken, bij voorkeur met zo min mogelijk frictie, direct in de tool, het proces of de workflow.

Schaalvergroting betekent daarbij meer dan alleen een technische uitrol. Het vraagt om:

• Contextualisatie: de juiste rol, in de juiste omgeving, op het juiste moment
• Begeleiding: via coaching en microlearning
• Gefaseerde uitrol: afgestemd op risico en verwachte waarde

Juist hier lopen de meeste pilots vast, omdat ze nooit echt onderdeel worden van de flow of work.

Communiceren: zichtbaarheid vergroot acceptatie

Pas wanneer medewerkers weten dat er nieuwe mogelijkheden zijn én waarom die hen helpen, krijgt AI daadwerkelijk tractie. Korte, duidelijke communicatie, praktijkgerichte voorbeelden en concrete toepassingstips ondersteunen de verankering in het dagelijkse werk.

Een eenvoudige vraag helpt hierbij: hoe weet iemand op het juiste moment dat AI hier effectief kan ondersteunen?

Is het antwoord daarop onduidelijk, dan blijft AI onzichtbaar en wordt het simpelweg niet gebruikt.

Bijwerken: gebruik begrijpen en continu doorontwikkelen

Echte transformatie ontstaat door continu te leren in de dagelijkse praktijk. Gebruiksdata, feedback, terugkerende fouten en nieuwe eisen geven waardevolle inzichten in hoe een use case verder kan worden verbeterd.

Deze stap brengt dynamiek: AI staat niet stil, maar groeit en rijpt met elke nieuwe observatie.

Verbeteren: feedback omzetten in meetbaar effect

De laatste fase sluit de cirkel. Inzichten worden vertaald naar verbeterde versies en de cyclus start opnieuw, continu en betrouwbaar.

Zo ontstaat een tempo dat teams niet overbelast, maar juist meeneemt. De lifecycle wordt routine en AI groeit uit tot een vanzelfsprekend hulpmiddel in het dagelijkse werk, in plaats van een los project dat voortdurend aandacht vraagt.

De ervaringen uit talloze AI-pilots laten een duidelijk patroon zien: technologie op zichzelf creëert geen impact. Pas wanneer mensen AI begrijpen, erop vertrouwen en het vanzelfsprekend integreren in hun dagelijkse werk, komt het volledige potentieel tot uiting. Precies daarop richt een mensgerichte AI-strategie zich en biedt zij het kader waarin AI kan doorgroeien van experiment naar echte ontlasting en waardecreatie.

Zo’n strategie bouwt vaardigheden op in plaats van overbelasting te veroorzaken. Ze brengt AI naar de plek waar het werk gebeurt, in plaats van nieuwe portals of parallelle werelden te introduceren. Ze zorgt voor duidelijke, begrijpelijke regels die zekerheid bieden. En ze maakt mensen medeontwerpers van de transformatie, in plaats van louter gebruikers van kant-en-klare oplossingen.

Wanneer AI op deze manier wordt ingezet, verandert het karakter van de technologie. Het wordt een hulpmiddel dat repetitieve taken vermindert, beslissingen voorbereidt en ruimte creëert voor waar mensen in uitblinken: beoordelen, vormgeven, samenwerken en creatieve oplossingen ontwikkelen.

De stap van technologiegebruik naar echte meerwaarde begint altijd bij mensen. Wanneer die stap slaagt, ontstaat een werkomgeving waarin AI niet vervangt, maar versterkt. Waar AI niet domineert, maar ondersteunt. En waar AI vertrouwen creëert in plaats van onzekerheid.

AI wordt dan wat het hoort te zijn: een hulpmiddel in dienst van mensen en een katalysator voor voortdurende vooruitgang.