Een aantal teamleden hebben hele flows in make.com gebouwd en hebben een verzoek ingediend om met Lovable aan de slag te gaan. Andere hebben Copilot nog niet geïnstalleerd op hun laptop en gebruiken alleen de gratis versie van ChatGPT privé. Je ziet dat de verschillen steeds groter worden en denkt: hier moeten we iets mee, maar wat? Hoe maak je een AI-beleid? En hoe stimuleer je AI-adoptie?
Waarom veel teams nog geen volwassen AI-adoptie hebben
Bij de meeste bedrijven is er nog geen volwassen AI-beleid en AI-adoptieprogramma. Dat AI er is en blijft is wel duidelijk, maar wat wel en niet mag, welke tools wel en niet gebruikt worden en bij welke tools allemaal gratis accounts zijn aangemaakt is vaak onduidelijk. Dat is een bedrijfsrisico wat soms nog onderschat wordt. Meer daarover lees je hier.
Ook is de AI-act er (interne link) wat verplicht is maar waar bij veel bedrijven HR nog geen duidelijk plan voor heeft.
Dit klinkt misschien wat negatief, maar het is niet heel gek. De waarde van AI en LLM’s is aan de ene kant voor de meeste bedrijven wel duidelijk, tegelijk is hoe je AI dan op een slimme manier inzet zonder dat de kosten de pan uit rijzen voor veel managers nog een vraagteken.
Tegelijk zie je verschillen in enthousiasme van adaptie tussen medewerkers. Sommige volgen in hun vrije tijd al cursussen of kijken YouTube kanalen over AI inzetten, anderen zijn wat meer afwachtend of zien de meerwaarde nog niet helemaal. Als je in een bedrijf met hoofdkantoor werkt wordt daar vaak gedeeltelijk bepaald met welke tools je mag werken wat het ook niet altijd duidelijk maakt.
Drie patronen zie je in vrijwel elk team dat nog geen gezamenlijke aanpak heeft:
- Ongelijke output. De ene collega levert scherpere concepten en snellere eerste versies dankzij AI, de andere levert hetzelfde werk als een jaar geleden. Klanten en stakeholders merken het verschil in snelheid en kwaliteit.
- Kennis die bij individuen blijft hangen. Als die ene collega met vakantie is, ligt de workflow stil. Vertrekt zij, dan vertrekt de kennis mee uit je team.
- Geen zicht op waar je als team staat. Je weet niet welk deel van je team AI effectief inzet en met welke resultaten. Zonder dat beeld kun je ook niet sturen.
Het gevolg is dat AI-adoptie voelt als iets wat gebeurt naast je management, in plaats van iets waar je als manager grip op hebt. Dat hoeft niet zo te zijn.
Hoe volwassen AI-adoptie er in de praktijk uitziet
Begin met een AI adoptiemodel. Bijvoorbeeld dit model (link naar model). Door dat met elkaar in te vullen heb je al meer grip op wat er nodig is en wat er al staat.
Ook kun je op die manier met elkaar gezamenlijke doelen afspreken en waar jullie AI bewust wel en waar bewust niet gebruiken. Maak budget vrij voor tools en voor educatie. Je bespaart tijd en kosten door AI effectief in te zetten, maar haalt het maximale eruit door een aantal tools met elkaar echt eigen te maken en door het team regelmatig te trainen. Dat heeft twee voordelen: het zorgt ervoor dat je als team met elkaar op een zelfde niveau van kennis zit en zorgt ervoor dat er een moment is om met elkaar gericht het gesprek aan te gaan over AI en elkaar te inspireren en mee te nemen.
Ook voorkom je op die manier dat alle kennis over AI bij één of twee AI-enthousiaste teamleden liggen, wat een bedrijfsrisico is.
AI-adoptie betekent ook dat je beleid maakt waar kennis over AI in het bedrijf verzameld is. Maak je met elkaar een Teams kanaal waar je prompts indeelt? Of maak je daar juist een gedeelde map van en maak je een Teams kanaal waar ervaringen met elkaar gedeeld worden?
Ook houd je zo als manager zicht op waar je team staat en waar nog ruimte voor groei is.
Vier herkenbare fasen van AI-adoptie
In de teams waar ik mee werk zie ik vier fasen terugkomen. Ze overlappen elkaar en verschillen in tempo, maar het patroon is duidelijk. Door te kijken waar jouw team zit, wordt duidelijk welke volgende stap logisch is.
Fase 1: Verkenning
Individuele teamleden proberen AI uit in hun eigen werk, zonder dat er duidelijke afspraken zijn welke tools wel of niet gebruikt worden en hoeveel ruimte er is voor betaalde accounts. Er wordt geëxperimenteerd met gratis accounts en losse prompts. De kennis zit bij één of twee mensen, en het gebruik is persoonsgebonden. De meeste marketingteams zijn inmiddels voorbij deze fase, maar het los experimenteren en tools proberen komt nog regelmatig voor.
Fase 2: Eerste toepassing
Eén of twee teamleden hebben vaste workflows ontwikkeld die zij regelmatig inzetten, bijvoorbeeld voor social media copy of contentbriefings. Anderen kijken mee en proberen soms iets. Er zijn nog geen teambrede afspraken over welke tools gebruikt worden of welke data je wel of niet invoert.
Fase 3: Teambreed gebruik
Het team werkt inmiddels met één of twee vaste AI-tools voor afgesproken taken. Er is een gedeelde map of Notion-pagina met prompts die iedereen kan gebruiken en aanvullen. Nieuwe collega’s krijgen deze structuur bij de onboarding mee. Kwaliteit en snelheid worden zichtbaar gelijkmatiger, al zijn er nog verschillen tussen individuele teamleden.
Wat ik in trainingen vaak zie bij teams in deze fase: de collega’s die AI eerder hebben omarmd, worden onbedoeld de interne helpdesk. Dat werkt een tijdje, maar op langere termijn loopt het vast. Als manager is dit het moment om van informele kennisdeling naar een lichte structuur te groeien, bijvoorbeeld een korte kennissessie per maand waarin één workflow gedeeld wordt.
Fase 4: Geborgde adoptie
AI is onderdeel van de manier waarop je team werkt. Workflows zijn vastgelegd, uitkomsten worden gemeten en nieuwe ontwikkelingen worden systematisch getest voordat ze breed worden ingezet. Er is een AI-beleid dat medewerkers duidelijkheid geeft. Het team heeft zicht op wat werkt, wat nog niet werkt en waar de volgende kans ligt.
Zo meet je waar je staat: de pulse check
Een korte pulse check per kwartaal is handig om snel te weten waar je team staat. Drie vragen die je hiervoor kunt stellen:
- Welke nieuwe ontwikkelingen of toepassingen zijn er de afgelopen periode gezien?
- Hoeveel vaste workflows of prompts staan er in jullie gedeelde bibliotheek, en hoeveel nieuwe zijn er dit kwartaal bijgekomen?
- Waar merkt het team verschil in de eigen output, in snelheid of in kwaliteit?
Je kunt deze drie vragen verwerken in een korte anonieme vragenlijst, of bespreken in een teamoverleg. Het is vooral belangrijk om dit regelmatig te doen, omdat je op die manier inzicht krijgt in hoe het team met AI werkt en waar jouw aandacht hierbij nodig is.
Waar teams vastlopen en hoe je dat voorkomt
Ik zie vier terugkerende plekken waar AI-adoptie in een team vastloopt. De patronen komen op vergelijkbare momenten terug, dus het helpt om ze herkenbaar te hebben voordat je er middenin zit.
- Geen gezamenlijke plek voor prompts en workflows. Iedereen bewaart zijn eigen werk lokaal. Een gedeelde map of Notion-pagina lost dit op.
- Onduidelijk wat wel en niet mag. Medewerkers twijfelen bij elke volgende stap of ze iets in een AI-tool mogen invoeren. Een beknopt AI-beleid maakt dit in één stuk duidelijk en weg.
- Geen tijd voor leren ingebouwd. AI verandert snel en vraagt ruimte om bij te blijven. Neem dit als KPI of onderdeel voor jaargesprekken mee. Op die manier is het duidelijk dat het prioriteit is en voorkom je dat het steeds het laatste punt op de to-do lijst blijft.
- Onuitgesproken zorgen over banen of kwaliteit. Wanneer teamleden twijfelen over wat AI voor hun rol betekent, remmen ze onbewust. Een open gesprek hierover aan de start van een adoptietraject voorkomt veel ruis later.
Praktisch toepassen
Kijk in welke fase jullie zijn en wat er nodig is. Maak hier tijd voor, dit is niet iets wat je even tussen de bedrijven door doet en wel iets wat vele impact heeft op productiviteit en werkgeluk in het team.
Veelgestelde vragen
Dat hangt af van de grootte van je team en de tijd die je kunt vrijmaken voor structuur. Teams die bewust ruimte inplannen voor een gezamenlijke workflow-sessie en daarna maandelijks een kort leermoment, zien binnen een kwartaal merkbare verschuiving. Teams die hopen dat het organisch gebeurt, blijven vaak veel langer in fase 2 hangen.
Nee. Een gezond team heeft koplopers die nieuwe workflows testen en volgers die eerder bewezen werkwijzen overnemen. Het doel is niet dat iedereen dezelfde hoeveelheid AI gebruikt, maar dat iedereen weet wat er in jullie team standaard is en waar de gedeelde prompts staan.
Dat is meestal een teken dat zorgen niet zijn uitgesproken. Ga in gesprek over wat de weerstand voedt. Vaak komt het neer op zorgen over de eigen rol of over de kwaliteit van het werk dat uiteindelijk bij de klant terechtkomt. Die zorgen zijn vaak oplosbaar met concrete afspraken, maar negeren werkt averechts.
Een AI-beleid is een van de hulpmiddelen die adoptie versnelt, vooral in de overgang naar fase 4. Het geeft je team de kaders om zelf keuzes te maken, zonder dat elke vraag bij de manager terechtkomt.
Meer blogs lezen
Plaud Note vs Otter.ai vs Fireflies.ai vs Fathom: welke AI-recorder past bij jou in 2026?
Het AI-kompas: drie vragen voor betere AI-resultaten
ai voor e-mailmarketing
AI content workflow
Ai hallucinaties, hoe zit het nu precies?
