AI in de praktijk: waar het écht tijd bespaart

Na een kennismakingsgesprek moet er meestal een samenvatting en een offerte volgen. Dat kost gemiddeld 45 minuten per gesprek. Met een simpele workflow doen wij dat in 5.

We nemen het gesprek op met een tool als Otter of Fireflies. Die maakt automatisch een transcript. Dat transcript plakken we in een vaste prompt in ChatGPT die de klantwensen, budget, deadline en zorgen structureert. In dezelfde stap laten we een concept-samenvatting genereren die we naar de klant sturen. Even nalezen, verzenden.

AI-content krijgt terecht een slechte naam als je hem als eindproduct gebruikt. Als je hem als gestructureerde eerste versie gebruikt, is hij goud waard. Wij werken met een vaste prompt-keten in drie stappen.

• Stap 1: onderzoek. We geven de AI vijf concurrerende artikelen over hetzelfde onderwerp en vragen om een outline die scherper is dan alle vijf.
• Stap 2: schrijven op basis van onze eigen tone-of-voice-bijlage. Zonder die bijlage klinkt elke AI hetzelfde.
• Stap 3: mens erover. Anekdotes, cijfers uit eigen praktijk, mening. Dat is wat AI niet kan.

De vervelendste uren zijn de administratieve. Facturen matchen met bankmutaties, bonnetjes rubriceren, offertes bijhouden. Hiervoor koppelen we tools zoals Moneybird of e-Boekhouden aan een AI-agent via Make of n8n.

De agent leest inkomende facturen, categoriseert ze, matcht ze met de juiste kostenpost, en escaleert alleen de gevallen waar hij niet zeker van is. Bij één van onze klanten bespaart dit ruim vier uur per week aan boekhouderswerk.

Eerlijk blijven is belangrijker dan hype. AI is nog steeds slecht in strategie, in inschatten wat een specifieke klant wil, en in kwaliteitscontrole van zijn eigen werk. Alles wat we hierboven beschreven werkt alleen als een mens het eindresultaat leest voordat het naar buiten gaat.

Wie zonder controle publiceert, betaalt daar vroeg of laat voor. Google is inmiddels erg goed geworden in het herkennen van pure AI-content en straft die af.

AI-workflows lopen zelden vast op de techniek. Ze lopen vast op de organisatie eromheen. Wie na de opzet geen tijd inruimt om resultaten te controleren, kwaliteit te toetsen en prompts bij te sturen, ziet de winst na drie maanden weer verdampen. Wij hebben inmiddels een aantal patronen gezien die vrijwel elke onderneming raken.

Bewaak deze punten actief en je haalt structureel meer uit je AI-inzet dan concurrenten die het naïef aanpakken. Elk van deze valkuilen kost gemiddeld twee tot vier uur per week zonder dat je het door hebt.

• Blind vertrouwen op de output. Zonder eindcontrole publiceer je vroeg of laat een feitelijke fout of een merk-vreemde toon.
• Prompts die nooit worden bijgewerkt. Een prompt die zes maanden geleden werkte, presteert vandaag anders omdat modellen veranderen.
• Onduidelijk eigenaarschap. Als niemand verantwoordelijk is voor de workflow, sluipt kwaliteitsverlies er ongemerkt in.
• Data die ongefilterd de tool in gaat. Klantnamen, offertes en interne cijfers horen niet in een gratis chatbot.
• Geen meting. Zonder cijfers over tijdswinst en kwaliteit weet niemand of het werkt en verdwijnt de workflow bij de eerste drukke periode.

De grootste weerstand tegen AI zit meestal niet bij de directie, maar bij medewerkers die bang zijn overbodig te worden. Die zorg is legitiem en verdient een expliciet antwoord. Wij adviseren klanten om AI vanaf dag één te positioneren als versterking, niet als vervanging. Beleg elke workflow bij een concrete persoon in het team en spreek af dat de tijdswinst wordt geïnvesteerd in werk waar mensen echt het verschil maken: klantcontact, strategie, kwaliteitscontrole.

Begin met één workflow, meet drie maanden lang, en breid pas uit als de eerste zichtbaar succesvol is. Wie in één keer vijf tools tegelijk uitrolt, ziet vrijwel altijd dat er na drie maanden nul overblijven. Klein starten, groot uitbouwen. Dat is bij AI niet anders dan bij elke andere ingrijpende verandering.

De workflows waar we bij klanten mee starten, moeten ook over twee jaar nog werken, zelfs als de onderliggende AI-modellen veranderen. Dat vraagt om drie ontwerpprincipes waar we bij elk bouwtraject vanuit gaan. Wie ze negeert, bouwt een workflow die na één model-update stuk is en opnieuw moet.

Eerste principe: scheid je prompt van je logica. Zet je prompts in een aparte tekstlaag, versienummer ze en test elke aanpassing tegen een vaste set voorbeeldinputs. Tweede principe: laat mensen het eindresultaat altijd zien voordat het naar buiten gaat, ook als je 100 procent zeker denkt te zijn. Derde principe: log wat de AI doet. Zonder logbestand weet je bij een fout niet of het aan de prompt, het model of de input lag.

• Prompts versioned in een aparte laag, niet hardcoded in workflows.
• Menselijke eindcontrole verplicht, geen enkele uitzondering.
• Logging van input en output voor elke run, minstens 90 dagen bewaard.
• Kwartaalcheck op prompt-prestaties, kleine bijstellingen zijn normaal.

Voorspellen is riskant, maar drie ontwikkelingen achten wij vrijwel zeker. Ten eerste worden AI-agents standaard onderdeel van bijna elk professioneel softwarepakket. Je boekhoudprogramma, je CRM en je mailclient krijgen ingebouwde assistenten die routinewerk overnemen zonder dat je er zelf een prompt voor hoeft te typen.

Ten tweede verschuift het bureau-model. Bureaus die vandaag hun uren verkopen aan repetitief werk, zullen dat werk zien verdampen. Wie waarde blijft leveren, doet dat via strategie, creativiteit en menselijk oordeel, ondersteund door AI-tools. Ten derde wordt de wet strenger. De AI Act van de EU legt eisen op aan hoe bedrijven AI inzetten, wat ze moeten documenteren en wanneer ze klanten moeten informeren. Wie nu al zorgvuldig werkt, heeft straks een voorsprong.