Wanneer AI écht meerwaarde heeft (en wanneer het hype is)

Een praktische bril om te bepalen waar AI in je proces thuishoort, en waar een simpele regel het beter doet.

Gepubliceerd 8 augustus 2026

Er wordt op dit moment veel AI ingebouwd op plekken waar een gewone regel goedkoper en betrouwbaarder was geweest. Tegelijk laten organisaties werk liggen waar AI juist wel het verschil maakt. Het onderscheid is redelijk scherp te maken, en in onze andere artikelen werken we het per situatie uit, en het heeft weinig met techniek te maken. Twee plekken waar het bij ons wél opging: een gesprek dat zichzelf verwerkt en een opname die de rapportvelden vult.

De vuistregel: kun je het opschrijven als regel?

Als je een taak kunt vastleggen in regels die altijd opgaan, gebruik dan die regels. Facturen boven een bedrag naar een tweede fiatteur, btw-tarief bepalen op productgroep, een order blokkeren bij onvoldoende voorraad: dat is geen AI-werk. Een regel is te controleren, te testen, en hij geeft morgen hetzelfde antwoord als vandaag. AI is interessant zodra de invoer rommelig is en de regels alleen als voorbeelden bestaan.

Waar het in de praktijk werkt

Ongestructureerde tekst begrijpelijk maken: inkomende mail, offerteaanvragen en klachten sorteren, samenvatten en van de juiste labels voorzien.
Documenten uitlezen waar de opmaak per afzender verschilt, zoals facturen en pakbonnen van tientallen leveranciers.
Eerste concepten leveren die een mens afmaakt: een antwoord, een productomschrijving, een rapportage.
Zoeken in je eigen documentatie, waar mensen anders een collega moeten vragen die het toevallig weet.

Waar het meestal misgaat

Fout één is AI zetten op werk dat exact moet kloppen zonder dat iemand het nakijkt. Een taalmodel geeft een aannemelijk antwoord, niet gegarandeerd het juiste antwoord. In financiële boekingen, voorraadmutaties of iets wat de deur uitgaat naar een klant hoort een controle. Fout twee is AI toevoegen aan een proces dat zelf niet op orde is. Als je gegevens op vier plekken staan en elkaar tegenspreken, versnelt AI vooral het produceren van verkeerde uitkomsten.

Drie vragen voordat je begint

Wat gebeurt er als het antwoord fout is? Kan iemand dat zien en herstellen voordat het schade doet?
Hebben we genoeg voorbeelden van goede uitkomsten om te beoordelen of het werkt?
Wat is het alternatief, en hoeveel beter moet AI zijn om die moeite waard te zijn?

Begin waar de fout goedkoop is

De verstandige eerste toepassing is er een waar een misser weinig kost en het tijdwinst oplevert die je kunt meten. Inkomende post sorteren bijvoorbeeld: verkeerd gesorteerd betekent dat iemand het verplaatst, meer niet. Werkt het, dan heb je bewijs én een gevoel voor waar het model betrouwbaar is. Pas daarna is het verstandig om het dichter bij het geld te zetten.

Veelgestelde vragen

Onze data staat verspreid. Kunnen we toch iets met AI?

Kan, maar het is zelden de beste eerste stap. Verspreide data ordenen levert vaak direct al winst op, en maakt alles wat daarna komt beter. Begin daar, en gebruik AI op het deel waar de rommeligheid inherent is, zoals binnenkomende tekst.

Is onze bedrijfsinformatie veilig?

Dat is een keuze in de opzet, geen eigenschap van AI. Het gaat om welke gegevens je verstuurt, naar welke partij, waar die worden opgeslagen en of ze voor training worden gebruikt. Leg dat vast voordat er iets live gaat, en houd gevoelige velden buiten de aanroep als ze niet nodig zijn.

Vervangt dit mensen?

In de praktijk verschuift het vooral welk deel van het werk mensen doen. Het voorbereidende, repeterende deel wordt kleiner; beoordelen en beslissen blijft. Dat is ook waarom een controlestap zelden overbodig is.

Hoe weten we of het echt beter is dan wat we nu doen?

Door het naast elkaar te laten lopen. Laat het bestaande proces een periode gewoon doorgaan en vergelijk de uitkomsten. Zonder die vergelijking is elk oordeel gevoel.

Verder lezen

Plan een kennismaking