Medewerkers meekrijgen met AI lukt als het nieuwe pad korter is dan het oude, niet als ze overtuigd raken. Splits daarom eerst de taken: bij werk waar iemand met AI beter wordt, hoort oefening; bij werk dat niemand mist, hoort een workflow die de taak helemaal weghaalt.
Dit geldt voor een bedrijf van 5 tot 50 mensen waar de accounts al zijn uitgedeeld en het gebruik daarna wegzakte. Niet voor de vraag waar je met AI begint, wel voor de vraag waarom het na de eerste weken stilvalt.
Hoe krijg je medewerkers mee met AI?
Door de omweg weg te halen. Elke taak heeft een bestaande route die mensen blind kunnen lopen: het document waar ze altijd uit kopiëren, de collega die het antwoord weet, het sjabloon van vorig jaar. AI wordt pas gebruikt als het minder moeite kost dan die route, inclusief de moeite van het controleren.
Dat verklaart waarom een training in de agenda zo weinig oplevert. Mensen leren er iets kennen, gaan terug naar hun werk, en komen daar hun eigen route weer tegen. Wat wel werkt: kies één taak die vaak terugkomt, zet het gereedschap klaar op de plek waar die taak al gebeurt, en spreek af hoe het resultaat gecontroleerd wordt.
De volgorde is dus: eerst de taak, dan het hulpmiddel, dan de training. Andersom levert enthousiasme op dat na twee weken verdampt. Wie nog vóór die eerste taak staat, vindt de aanpak in waar te beginnen met AI; dit artikel gaat over wat er daarna met de mensen gebeurt.
Leren werken mét AI of de taak laten verdwijnen?
Dat zijn twee verschillende ingrepen, en de keuze hangt af van het taaktype. Leren werken mét AI past waar iemand een oordeel velt en het resultaat beter wordt van een menselijke hand. De taak laten verdwijnen past waar het werk elke keer hetzelfde is en niemand het mist.
| Taaktype | Voorbeeld | Route | Waarom |
|---|---|---|---|
| Vaak, identiek, geen oordeel | data overzetten tussen twee systemen | automatiseren | training verspilt de tijd die je juist wint |
| Vaak, variatie, wel oordeel | eerste versie van een klantmail | trainen | de mens beslist, AI levert de opzet |
| Zelden, complex | jaarplan, prijsstrategie | met rust laten | leercurve verdient zich niet terug |
| Vaak, oordeel, hoog risico | offertes, klachten, contracten | trainen plus een controlestap | fouten zijn hier duur |
| Vaak, opzoeken in eigen systemen | statusvragen van klanten | automatiseren | het antwoord staat al ergens |
| Zelden, simpel, irritant | maandelijkse rapportage samenstellen | automatiseren | precies het werk dat niemand terugwil |
De fout die de meeste trajecten maakt, is dat alles in rij twee wordt geduwd. Iedereen leert prompten, ook voor taken die helemaal geen mens nodig hebben. Dan blijft het werk bestaan, alleen met een extra tussenstap. Adoptie mislukt daar niet door weerstand, maar door een verkeerde indeling.
Omgekeerd komt ook voor: een taak automatiseren waar het oordeel juist de waarde is. Dan krijgt het team een resultaat dat het toch moet overdoen, en dat is de snelste manier om vertrouwen te verliezen.
Weerstand tegen AI in je team: hoe pak je dat aan?
Door hem serieus te nemen als informatie. Weerstand tegen AI is vaak een correcte inschatting van slecht gereedschap: iemand heeft het geprobeerd, kreeg een antwoord dat er goed uitzag en niet klopte, en concludeerde dat controleren meer tijd kost dan zelf doen. Dat is geen houding, dat is een meting.
Er zijn drie soorten bezwaar, en ze vragen elk iets anders. “Het klopt niet” vraagt om betere toegang tot de eigen data en om een controlestap. “Ik heb er geen tijd voor” vraagt om een kleinere eerste taak. “Straks ben ik overbodig” vraagt om een eerlijk antwoord over welk werk verdwijnt en wat ervoor terugkomt, niet om een geruststelling.
Wat niet werkt: het gebruik verplichten en tellen wie is ingelogd. Dat levert accounts op, geen gebruik. In waarom mkb-bedrijven vaker falen met AI-implementaties staat het patroon erachter: een project zonder eigenaar en zonder scherpe taak wordt van iedereen en dus van niemand.
Hoe meet je of het team AI echt gebruikt?
Tel de oude route, niet de nieuwe. De vraag is niet hoeveel mensen zijn ingelogd, maar hoe vaak het werk nog langs het oude pad ging. Drie criteria die je zelf kunt bijhouden, elk over twee weken:
- Hoe vaak ging de taak nog handmatig? Vraag het aan de mensen die hem doen, of tel de uitzonderingen in het systeem. Nul is verdacht, dat betekent meestal dat niemand het bijhoudt.
- Hoeveel van het resultaat wordt nabewerkt? Als elk uitgaand stuk alsnog helemaal wordt herschreven, is het hulpmiddel niet goed genoeg of staat het op de verkeerde taak.
- Hoeveel mensen gebruiken het zonder dat iemand het vraagt? Eén persoon is een experiment, drie is een gewoonte.
Zet die drie op één A4 en herhaal het na een maand. Dat is genoeg. Uitgebreidere dashboards leiden af van het enige wat telt: is het oude pad korter geworden of niet.
Wat doe je na drie maanden, als één persoon alles doet?
Dat is het meest voorkomende eindstation, en bijna geen enkel artikel behandelt het. Eén enthousiasteling bouwt alles, de rest kijkt toe, en zodra die persoon op vakantie gaat, ligt het werk stil. Het ziet eruit als succes en het is een risico.
Twee ingrepen helpen. De eerste: laat die persoon niet nog meer bouwen, maar één taak overdragen, inclusief de uitleg wat er misgaat als het misgaat. De tweede: haal de taken waar niemand plezier aan beleeft weg uit het handwerk en zet ze in een workflow, zodat ze niet afhankelijk zijn van wie er die week zin in heeft. Welke marketingtaken zich daarvoor lenen, staat in marketingtaken die je vandaag kunt automatiseren.
Bied je ook trainingen aan?
Ja. WeAdapt geeft training en workshops rond Claude, n8n en prompt engineering, en levert elk systeem op met documentatie zodat het team zelf workflows kan aanpassen en bouwen. Het doel is niet dat mensen een tool kennen, maar dat ze na afloop hun eigen taak anders inrichten. In de veelgestelde vragen staat hoe dat loopt.
Veelgestelde vragen
Hoe lang duurt het voordat een team AI echt gebruikt? Reken in taken, niet in weken. Eén taak die vaak terugkomt en waarvan het resultaat zichtbaar beter of sneller is, verandert het gedrag binnen een paar weken. Een algemene introductie zonder taak verandert het gedrag niet, hoeveel weken je er ook aan geeft.
Moet iedereen mee? Nee. Begin bij de mensen die de taak het vaakst doen en er last van hebben. Zij leveren het bewijs dat de rest nodig heeft. Gebruik verplichten bij mensen zonder passende taak levert ingelogde accounts op en verder niets.
Wat als het team bang is dat werk verdwijnt? Zeg welk werk verdwijnt. Dat is meestal het deel dat niemand terugwil: overtypen, opzoeken, samenvatten. Wat blijft is het werk met een oordeel erin. Een vaag antwoord op deze vraag kost meer vertrouwen dan een onprettig eerlijk antwoord.
Is training genoeg, of moet er ook gebouwd worden? Vaak allebei, op verschillende taken. Werk met een oordeel vraagt training, werk dat elke keer hetzelfde is vraagt een workflow. Alleen trainen laat repetitief werk in stand; alleen bouwen laat het oordeelswerk onaangeroerd.
Medewerkers meekrijgen met AI is dus vooral een ontwerpvraag: welke taak leg je bij wie neer. Die indeling maken en bijbrengen is precies wat training en workshops doet, met consultancy ervoor als de vraag is welk proces eerst aan de beurt is.
Wil je die indeling voor je eigen processen op papier? Plan een gesprek. Van discovery call tot live duurt bij WeAdapt vier weken, inclusief de training die het gebruik bij je eigen team legt.