AI & automatisering
Begin niet bij AI. Begin bij het bedrijfsprobleem.
Ik help gevestigde B2B-organisaties bepalen waar AI en automatisering aantoonbaar waarde toevoegen, welke processen daarvoor geschikt zijn en wat nodig is om toepassingen veilig, meetbaar en schaalbaar in te voeren.
Al een toepassing in gedachten? Bereken de businesscase.
Wat houdt AI-advies op directieniveau in?
AI-advies betekent hier: vaststellen welk bedrijfsprobleem een investering in AI of automatisering moet oplossen, onderzoeken of het proces en de data daar geschikt voor zijn, de businesscase doorrekenen en vervolgens bepalen hoe je de toepassing veilig, meetbaar en schaalbaar invoert. Ricky Peters werkt daarbij voor gevestigde B2B-organisaties in Nederland. De volgorde ligt vast: eerst het probleem, dan het proces, dan de businesscase, pas daarna de technologie.
Waar moet een organisatie beginnen met AI?
Bij een bedrijfsprobleem dat de moeite waard is om op te lossen, niet bij een tool. Daarna volgt de vraag welk proces daaraan vastzit, hoeveel volume daar doorheen loopt en of dat proces stabiel genoeg is. Pas als dat helder is, heeft de vraag welke technologie erbij past een zinnig antwoord.
Wanneer is een proces geschikt voor AI of automatisering?
Bij voldoende volume, herhaling en een uitkomst die je kunt beoordelen. Regelgedreven en voorspelbare stappen lenen zich voor klassieke automatisering. Werk met taal, interpretatie of patroonherkenning leent zich voor AI. Een proces vol uitzonderingen dat per persoon verschilt, leent zich vooral voor herontwerp.
AI is pas waardevol als het werk verandert
De meeste organisaties zijn allang begonnen. Er zijn licenties, mensen experimenteren, er zijn enthousiaste collega's en er liggen ideeën. Dat betekent nog niet dat AI bedrijfswaarde oplevert.
Waar initiatieven stranden
- Er is geen concrete businesscase, alleen een vermoeden.
- Het probleem dat de toepassing moet oplossen blijft vaag.
- Het onderliggende proces verschilt per persoon of per vestiging.
- De data is versnipperd, verouderd of onbetrouwbaar.
- Niemand is eigenaar van de toepassing na de pilot.
- Governance ontbreekt, dus niemand weet wat wel en niet mag.
- De adoptie blijft laag omdat de werkwijze niet is meeveranderd.
- Succescriteria zijn nooit vastgelegd, dus het resultaat blijft een gevoel.
Een AI-pilot is geen resultaat. Veranderde prestaties wel.
Automatiseer geen proces dat eerst opnieuw ontworpen moet worden
Technologie loslaten op een rommelig proces maakt dat proces vooral sneller en duurder. Daarom begint elk AI-vraagstuk bij een nuchtere blik op het werk zelf.
Waar de procesanalyse naar kijkt
Pas daarna valt te bepalen welk deel van het werk zich leent voor welke oplossing.
Automatisering
Voorspelbare stappen met heldere regels. Goedkoper, betrouwbaarder en beter uitlegbaar dan AI, en vaak de betere keuze.
AI
Werk waarin taal, patroonherkenning, classificatie, voorspelling of ondersteuning van kenniswerk een rol speelt.
Mens
Stappen die verantwoordelijkheid, nuance, uitzonderingen of risicovolle besluitvorming vragen. Die houd je bewust bij mensen.
De beste oplossing bevat niet noodzakelijk de meeste AI.
Een AI-kans is pas interessant wanneer waarde, haalbaarheid en risico bij elkaar passen
Drie vragen die elke toepassing moet doorstaan voordat er budget aan hangt.
Waarde
Wat kan er aantoonbaar verbeteren?
Haalbaarheid
Kan de organisatie dit daadwerkelijk uitvoeren?
Risico
Wat moet beheersbaar blijven?
Van use case naar businesscase
Een idee wordt pas een voorstel wanneer je deze vragen kunt beantwoorden:
- Welk proces verandert er precies?
- Hoeveel volume loopt daar jaarlijks doorheen?
- Hoeveel tijd en kosten zitten er nu in?
- Welk deel daarvan is realistisch beïnvloedbaar?
- Wat kost de implementatie, inclusief integratie en beheer?
- Welke risico's ontstaan er, en wat kost het die te beheersen?
- Waaraan meten we straks of het werkt?
- Wat is de verwachte terugverdientijd?
De calculator geeft een indicatie voor één proces. Die indicatie vervangt geen investeringsbesluit, maar maakt het gesprek erover wel concreet.
Is de organisatie er klaar voor?
Een goede businesscase op papier zegt weinig wanneer de basis eronder niet klaar is. Ik beoordeel de gereedheid op acht punten.
Soms is de juiste conclusie dat AI nog niet aan de beurt is.
Bijvoorbeeld omdat het proces eerst gestandaardiseerd moet worden, de databronnen elkaar tegenspreken, systemen niet met elkaar praten of niemand eigenaar is van de uitkomst. Dat is geen afwijzing van AI, maar een volgorde. Vaak ligt de eerste winst dan in digitale transformatie.
AI Readiness Scan
Zijn processen, data, mensen en governance voldoende voorbereid om AI serieus in te zetten?
Doe de AI Readiness Scan →AI ROI Calculator
Kan deze specifieke toepassing economisch uit? Besparing, terugverdientijd en ROI voor één proces.
Bereken de businesscase →Waar AI in een B2B-organisatie werk kan overnemen of ondersteunen
Zes gebieden waar de combinatie van volume, herhaling en beschikbare informatie vaak gunstig uitpakt. Welke ervan relevant is, volgt uit de analyse.
Kennis & informatie
Interne kennis ontsluiten, documenten samenvatten, doorzoekbaar maken en concepten genereren op basis van eigen bronnen.
Operationele processen
Classificatie, gegevensverwerking, controles, planning, workflowondersteuning en het afhandelen van uitzonderingen.
Analyse & besluitvorming
Informatie structureren, scenario's doorrekenen, afwijkingen signaleren en managementinformatie voorbereiden.
Service & klantprocessen
Klantvragen triëren, self-service ondersteunen en medewerkers sneller aan het juiste antwoord helpen.
Kwaliteit & risico
Controles uitvoeren, afwijkingen opsporen, documenten reviewen en compliance-werk ondersteunen.
Commerciële processen
Kwalificatie, voorbereiding van gesprekken, klantinformatie verzamelen, offertes opstellen en opvolging ondersteunen.
En AI-agents?
Een agent is een architectuurkeuze binnen een proces, geen product op zichzelf. Hij wordt pas interessant wanneer het proces voldoende duidelijk is, de systemen toegankelijk zijn, de beslisrechten begrensd zijn en de menselijke controle goed is ingericht. Bij een proces vol uitzonderingen levert een agent vooral onvoorspelbaarheid op.
Vraagstukken waarmee directies hiermee komen
We steken veel tijd in repetitief kenniswerk
Waar kan AI capaciteit vrijmaken zonder de kwaliteit te verlagen?
We willen iets met AI, maar weten niet waar te beginnen
Welke processen hebben de beste combinatie van waarde, haalbaarheid en risico?
We hebben tientallen ideeën
Welke daarvan verdienen werkelijk investering, en welke laten we vallen?
Iedereen gebruikt zijn eigen AI-tools
Hoe brengen we governance, security en werkwijze onder controle?
We hebben licenties, maar zien weinig resultaat
Ligt dat aan adoptie, proceskeuze, data, training of aan het ontbreken van een businesscase?
Een proces schaalt alleen met extra personeel
Kan automatisering of AI de marginale capaciteit veranderen?
Kritieke kennis zit bij enkele medewerkers
Kan AI die kennis toegankelijker maken zonder onbetrouwbare antwoorden te introduceren?
We willen AI-agents inzetten
Welke processen zijn daarvoor geschikt, en hoeveel autonomie is verantwoord?
Van pilot naar productie
Veel AI-initiatieven blijven experiment. Een pilot die alleen bewijst dat de techniek werkt, bewijst weinig. Een goede pilot is klein genoeg om snel te leren en groot genoeg om echte bedrijfswaarde te meten.
Wat een pilot nodig heeft
- Een echt proces, geen losstaande testomgeving.
- Voldoende volume om iets te kunnen zeggen.
- Een gemeten uitgangssituatie om tegen af te zetten.
- Een eigenaar binnen de lijn, niet alleen binnen IT.
- Vooraf vastgelegde succescriteria.
- Beheersbaar risico en menselijke controle.
- Een realistische route naar opschaling.
Wat opschalen vraagt
- Validatie tegen de vooraf gestelde criteria
- Integratie met bestaande systemen en data
- Een aangepaste werkwijze en rolverdeling
- Governance: wat mag, met welke data, onder welke controle
- Adoptie: training, instructies en vertrouwen opbouwen
- Monitoring op kwaliteit, gebruik en afwijkingen
- Optimalisatie op basis van wat het gebruik laat zien
Governance is geen nazorg
Voor gevestigde organisaties weegt dit zwaarder dan prompttraining. Het gaat om afspraken over toegestane toepassingen, datagebruik, modelkeuze, menselijke controle, kwaliteitscriteria, logging, monitoring, leveranciers en wie ingrijpt wanneer er iets misgaat. Afhankelijk van de toepassing stellen privacywetgeving, contractuele eisen, sectorregels en de Europese AI-regelgeving daar aanvullende randvoorwaarden aan.
AI-implementatie verandert werk. Daarom is het ook een organisatievraagstuk.
AI of eerst de digitale basis?
AI & automatisering
Richt zich op specifieke processen, beslissingen en werkzaamheden waar technologie aantoonbaar waarde kan creëren.
Digitale transformatie
Richt zich breder op de samenhang tussen processen, organisatie, technologie en data. Meer over digitale transformatie →
Soms is AI de interventie. Soms laat de AI-analyse juist zien dat eerst de digitale basis beter moet.
Wat een AI-traject moet opleveren
Dit zijn de criteria waarop je het werk mag beoordelen. Niet of er een indrukwekkende demo staat, maar of er een onderbouwd besluit ligt en, waar we implementeren, een werkende toepassing die mensen gebruiken.
Bij analyse en advies
- Geprioriteerde AI-kansen met onderbouwing.
- Procesanalyse van de processen die in aanmerking komen.
- Businesscases met terugverdientijd en aannames.
- Een beeld van de gereedheid en wat daarvoor nog moet gebeuren.
- Risicoanalyse en de beheersmaatregelen die daarbij horen.
- Een pilotontwerp met meetbare succescriteria.
- Een roadmap voor opschaling.
Bij implementatie
- Werkende automatisering of een geïntegreerde AI-toepassing.
- Een aangepaste werkwijze met heldere rolverdeling.
- Governance die vastligt en die het team ook naleeft.
- Een adoptieplan dat verder gaat dan één training.
- Een meetstructuur op bedrijfsprestaties, niet op gebruik alleen.
- Een geborgde werkwijze die blijft draaien zonder mij.
Hoe een AI-vraagstuk verloopt
Dezelfde volgorde als elk ander vraagstuk. In Richten onderzoeken we het bedrijfsprobleem, het proces, de gereedheid, de businesscase en het risico. In Versnellen ontwerpen, testen en implementeren we de interventie. In Groeien meten, verbeteren, standaardiseren en borgen we.
- Richten
- Versnellen
- Groeien
Wanneer deze expertise waarde toevoegt
Voor directie en management van gevestigde B2B-organisaties die AI en automatisering willen koppelen aan concrete bedrijfsprestaties. In de praktijk vooral in industrie en maakindustrie, groothandel en B2B-handel, gevestigde zakelijke dienstverlening en SaaS en tech.
Relevant wanneer
- AI op de directieagenda staat, maar prioritering ontbreekt.
- Er veel repetitief kennis- of administratief werk in de organisatie zit.
- Capaciteit onvoldoende schaalbaar is.
- Er veel ideeën liggen en weinig businesscases.
- Medewerkers ongecontroleerd verschillende tools gebruiken.
- Belangrijke kennis slecht toegankelijk is.
- Pilots niet doorgroeien naar productie.
- Eerdere investeringen te weinig rendement laten zien.
- Processen geschikt lijken voor automatisering.
- Governance en verantwoordelijkheden nog ontbreken.
Minder passend wanneer
- Je een paar prompts wilt laten schrijven.
- Je een losse training over AI-tools zoekt.
- Je een chatbot wilt zonder breder procesvraagstuk.
- Je als zelfstandige vooral sneller content wilt maken.
- De tool al gekozen is en alleen de technische capaciteit nog ontbreekt.
- Er geen eigenaar, budget of verandervermogen voor implementatie is.
Mijn rol ligt bij AI-vraagstukken waarin businesscase, proces, implementatie en organisatie samenkomen. Voor een losse toolconfiguratie of training past een gespecialiseerde uitvoerende partij doorgaans beter.
Kennis over AI & automatisering
Welke processen automatiseer je als eerste?
Niet de meest zichtbare of de meest irriterende taak, maar die drie voorwaarden deelt.
TechniekkeuzeWat is het verschil tussen AI, automatisering en RPA?
Welke techniek bij welk soort werk past, en waarom dat uitmaakt.
PrioriteringWelke processen automatiseer je als eerste?
Waarom volgorde hier meer uitmaakt dan techniek.
GovernanceIs je bedrijfsdata veilig bij het gebruik van AI-tools?
Waar het risico werkelijk zit en welke afspraken dat beheersbaar maken.
Vragen over AI & automatisering
Hoe bepaal je welke AI-toepassingen prioriteit krijgen?
Door ze op dezelfde drie dimensies te beoordelen: de waarde die ze kunnen opleveren, de haalbaarheid gegeven de huidige processen en data, en het risico dat beheersbaar moet blijven. Toepassingen die op alle drie redelijk scoren gaan voor op toepassingen die op één dimensie spectaculair zijn en op de andere twee onduidelijk.
Hoe bereken je de ROI van AI?
Door het volume door het proces, de tijd of kosten per eenheid en het realistisch beïnvloedbare deel daarvan af te zetten tegen de implementatie-, licentie- en beheerkosten. Daar komt het risico bij: wat kost het om kwaliteit en controle op peil te houden? De AI ROI Calculator loopt die stappen langs voor één proces en geeft een indicatie van de terugverdientijd.
Wat is het verschil tussen AI en traditionele automatisering?
Automatisering voert vaste regels uit: voorspelbaar, goedkoop en goed uitlegbaar. AI beoordeelt, interpreteert of voorspelt, en levert daarmee antwoorden die kunnen variëren. Dat maakt AI krachtiger voor kenniswerk en tegelijk lastiger te controleren. In veel processen is de beste oplossing een combinatie, met de mens op de stappen die oordeel vragen.
Wanneer is een organisatie klaar voor AI?
Wanneer het proces voldoende stabiel is, de data bruikbaar en vindbaar, de systemen toegankelijk, er een eigenaar is en er afspraken liggen over wat wel en niet mag. Ontbreekt daar te veel aan, dan is de eerste stap zelden een AI-toepassing. Dan ligt de winst in standaardiseren en aansluiten van systemen.
Hoe voorkom je dat een AI-pilot blijft hangen?
Door de route naar productie al bij de start te ontwerpen. Een pilot in een echt proces, met voldoende volume, een gemeten uitgangssituatie, vooraf vastgelegde succescriteria en een eigenaar in de lijn. Pilots die vooral bewijzen dat de techniek werkt, halen die stap zelden, omdat er niets is afgesproken over wat er daarna gebeurt.
Wanneer zijn AI-agents zinvol?
Wanneer het proces helder is, de systemen via koppelingen bereikbaar zijn, de beslisrechten begrensd zijn en er menselijke controle is ingericht op de punten die ertoe doen. Een agent is een ontwerpkeuze binnen een proces. Loslaten op een proces vol uitzonderingen levert vooral onvoorspelbaarheid en herstelwerk op.
Welke governance is nodig voor AI?
Afspraken over toegestane toepassingen, welke data erin mag, welke modellen en leveranciers je gebruikt, waar menselijke controle verplicht is, welke kwaliteitseisen gelden, wat je logt en monitort, en wie ingrijpt bij incidenten. Afhankelijk van de toepassing stellen privacywetgeving, contractuele eisen, sectorregels en de Europese AI-regelgeving daar aanvullende eisen aan.
Hoe meet je of AI daadwerkelijk waarde toevoegt?
Aan de bedrijfsuitkomst die je vooraf hebt benoemd: doorlooptijd, capaciteit, foutkosten, kwaliteit of tijd tot een besluit. Daarnaast aan leading indicators zoals daadwerkelijk gebruik en het aandeel uitkomsten dat zonder correctie bruikbaar is. Meten op aantal gebruikers of aantal prompts zegt weinig over waarde.
AI & automatisering
Waar kan AI aantoonbaar waarde toevoegen?
Begin niet met een tool. Begin met het bedrijfsprobleem, het proces en de businesscase. Daarna bepalen we of AI de juiste interventie is en wat nodig is om die veilig en schaalbaar in te zetten.