Wat is AI-volwassenheidsniveau 1: Planning?
Het planningsniveau is de eerste en meest fundamentele fase in de AI transformatie van je organisatie. In dit niveau ontwikkel je bewustzijn over de mogelijkheden van kunstmatige intelligentie, identificeer je de eerste concrete use cases, bouw je draagvlak op bij stakeholders en stel je een realistische roadmap samen. De focus ligt volledig op begrijpen en voorbereiden voordat je investeert in technologie of pilots start.
De planningsfase wordt vaak onderschat of overgeslagen. Organisaties zien de mogelijkheden van kunstmatige intelligentie en willen direct aan de slag met tools en pilots. Die haast is begrijpelijk, maar leidt vrijwel altijd tot teleurstelling. Uit onderzoek blijkt dat meer dan 70% van alle AI projecten mislukt. Het grootste deel van die mislukkingen is niet te wijten aan technische problemen, maar aan een gebrek aan voorbereiding, onduidelijke doelen, onvoldoende draagvlak of het ontbreken van de juiste randvoorwaarden.
Het planningsniveau voorkomt deze valkuilen. Je neemt de tijd om te begrijpen wat kunstmatige intelligentie wel en niet kan. Je identificeert waar de echte kansen liggen in jouw specifieke context. Je bouwt een coalitie van mensen die de verandering gaan dragen. En je stelt een roadmap op die rekening houdt met de realiteit van je organisatie: de beschikbare middelen, de bestaande systemen, de cultuur en de capaciteiten van je team.
Een goed fundament zie je niet, maar zonder fundament stort het hele gebouw in. Hetzelfde geldt voor AI transformatie. De planningsfase levert geen spectaculaire resultaten op, maar bepaalt wel of alles wat daarna komt succesvol kan zijn.
Prometheus21 filosofie
Hoe herken je dat jouw organisatie in niveau 1 zit?
Het herkennen van je huidige volwassenheidsniveau is de eerste stap naar gerichte ontwikkeling. Niveau 1 organisaties vertonen een aantal karakteristieke patronen. Deze patronen zijn geen waardeoordeel. Elke organisatie begint hier, en het bewust doorlopen van deze fase is veel waardevoller dan het proberen over te slaan.
De meeste MKB bedrijven in Nederland bevinden zich momenteel in dit niveau. Dat is logisch gezien de snelheid waarmee kunstmatige intelligentie zich ontwikkelt. Veel ondernemers en managers zijn nog aan het ontdekken wat de mogelijkheden zijn en hoe die zich verhouden tot hun specifieke situatie. Dit is precies waar niveau 1 over gaat: die ontdekking structureren en richting geven.
Nieuwsgierigheid zonder structuur
Medewerkers experimenteren individueel met tools als ChatGPT of andere AI toepassingen. Er is interesse en enthousiasme, maar geen gecoordineerde aanpak. Iedereen doet iets, niemand weet wat de ander doet.
AI is een gespreksonderwerp
In managementvergaderingen en bij de koffieautomaat wordt gesproken over kunstmatige intelligentie. Mensen vragen zich af wat het voor de organisatie kan betekenen. Er zijn vragen, maar nog geen antwoorden.
Geen dedicated resources
Er is geen budget gereserveerd voor AI initiatieven. Geen medewerker heeft AI in zijn of haar functieprofiel staan. Alles wat er gebeurt is naast het reguliere werk en op eigen initiatief.
Geen documentatie of beleid
Er zijn geen richtlijnen voor het gebruik van AI tools. Geen beleid over wat wel en niet mag. Geen documentatie van wat er getest is en wat de resultaten waren. Alles is informeel en ongrijpbaar.
Praktijkvoorbeeld: Een middelgroot accountantskantoor merkt dat medewerkers steeds vaker ChatGPT gebruiken voor het schrijven van notities en het samenvatten van documenten. De partners bespreken dit tijdens de wekelijkse vergadering, maar niemand weet precies wat er gebeurt, of het veilig is, en wat de mogelijkheden zijn. Er is geen beleid, geen overzicht en geen plan. Dit is een typisch niveau 1 scenario. De interesse is er, maar de structuur ontbreekt.
Signalen dat je in niveau 1 zit
Naast de bovengenoemde patronen zijn er specifieke signalen die aangeven dat je organisatie zich in het planningsniveau bevindt. Als je meerdere van onderstaande signalen herkent, is het tijd om de planningsfase bewust te doorlopen in plaats van ad hoc verder te gaan.
- Er is geen formele AI strategie of visiedocument
- Niemand is officieel verantwoordelijk voor AI binnen de organisatie
- Er is geen overzicht van welke AI tools worden gebruikt door medewerkers
- Er is geen budget gereserveerd voor AI gerelateerde investeringen
- Discussies over AI gaan vooral over wat anderen doen, niet over eigen plannen
- Er is angst of onzekerheid over de impact van AI op functies en banen
- Er is geen training of opleiding rondom AI onderwerpen gepland
- Data is verspreid over verschillende systemen zonder duidelijk overzicht
- Er zijn geen KPIs of metrics gedefinieerd om AI succes te meten
- Leveranciers worden benaderd voor informatie, maar er is geen selectieproces
De kenmerken van AI-volwassenheidsniveau 1
Niveau 1 heeft een aantal onderscheidende kenmerken die het anders maken dan de volgende niveaus. Het begrijpen van deze kenmerken helpt je om de juiste verwachtingen te hebben en de juiste activiteiten te ondernemen. Het is verleidelijk om te snel door dit niveau te willen, maar elk kenmerk heeft een reden en een functie.
Focus op begrip en bewustwording
Het eerste en meest kenmerkende aspect van niveau 1 is de focus op begrip. Voordat je kunt beslissen waar je naartoe wilt, moet je begrijpen waar je vandaan komt en wat de mogelijkheden zijn. Dit betekent tijd investeren in het leren over kunstmatige intelligentie: wat het is, wat het kan, wat het niet kan, en hoe het zich verhoudt tot jouw branche en organisatie.
Bewustwording gaat verder dan alleen het managementteam. Het is belangrijk dat op verschillende niveaus in de organisatie een basisbegrip ontstaat van wat kunstmatige intelligentie betekent. Medewerkers die begrijpen wat er komt, kunnen beter meedenken over mogelijkheden en staan meer open voor verandering. Weerstand tegen AI komt vaak voort uit onbegrip of angst voor het onbekende. Goede communicatie en educatie in deze fase voorkomen problemen later.
Inventarisatie van mogelijkheden
Een tweede kenmerk is de brede inventarisatie van mogelijkheden. In niveau 1 gaat het niet om kiezen wat je gaat doen, maar om in kaart brengen wat je zou kunnen doen. Dit betekent het identificeren van potentiele use cases in alle delen van de organisatie. Van klantenservice tot finance, van operations tot marketing, van HR tot productie: overal zijn mogelijkheden en die wil je eerst in kaart brengen voordat je gaat prioriteren.
Deze inventarisatie levert typisch een lange lijst op van vijftien tot dertig potentiele toepassingen. Dat is precies de bedoeling. Je wilt in dit niveau niet te snel focussen, want dan mis je mogelijk de beste kansen. Pas in de overgang naar niveau 2 ga je prioriteren en selecteren welke use cases je daadwerkelijk gaat uitproberen.
Bouwen van draagvlak en coalitie
Het derde kenmerk is het bouwen van draagvlak. AI transformatie is geen technisch project maar een organisatieverandering. En organisatieverandering lukt alleen als er voldoende mensen zijn die de verandering steunen en actief bijdragen. In niveau 1 identificeer je wie die mensen zijn en begin je een coalitie te vormen.
Dit gaat verder dan alleen het krijgen van goedkeuring van het management. Je zoekt naar champions op verschillende afdelingen: mensen die enthousiast zijn over de mogelijkheden en bereid zijn om tijd en energie te investeren. Je zoekt naar sceptici wier zorgen serieus genomen moeten worden. En je zoekt naar de beslissers die uiteindelijk budget en resources moeten vrijmaken.
Opstellen van een realistische roadmap
Het vierde kenmerk is het opstellen van een roadmap. Aan het einde van niveau 1 heb je een document dat beschrijft hoe je van hier naar daar komt. Niet in extreme detail, maar wel met duidelijke mijlpalen, verantwoordelijkheden en tijdslijnen. Deze roadmap is je kompas voor de komende maanden of jaren.
Een goede roadmap is realistisch over wat mogelijk is gegeven de beschikbare resources. Hij houdt rekening met de bestaande werkdruk en andere prioriteiten. Hij is flexibel genoeg om aan te passen als de omstandigheden veranderen. En hij is concreet genoeg om als sturingsinstrument te dienen. Te vaag is nutteloos, te gedetailleerd is inflexibel.
| Kenmerk | Niveau 1: Planning | Niveau 2: Experimentatie |
|---|---|---|
| AI systemen in productie | Geen | Pilots in sandbox |
| Use cases | Geidentificeerd, niet gevalideerd | Geprioriteerd en getest |
| Team expertise | Beperkt, algemeen begrip | Groeiend, praktijkervaring |
| Budget | Niet of beperkt gealloceerd | Dedicated pilot budget |
| Governance | Nog niet ingericht | Basis richtlijnen |
| Data readiness | Inventarisatie gestart | Data beschikbaar voor pilots |
De 7 dimensies in niveau 1: wat betekent elk domein?
Het AI-volwassenheidsframework bestaat uit zeven dimensies. In niveau 1 heeft elke dimensie specifieke aandachtspunten en deliverables. Klik op een dimensie voor details over wat je in dit niveau moet realiseren.
1. Strategie: Visie en richting bepalen
In de strategiedimensie van niveau 1 ontwikkel je een eerste visie op wat kunstmatige intelligentie kan betekenen voor jouw organisatie. Dit is nog geen uitgewerkte strategie, maar een richtinggevend kader dat helpt om focus aan te brengen in alle mogelijke initiatieven.
Trendanalyse en externe orientatie: Je begint met het in kaart brengen van wat er gebeurt in jouw branche. Welke concurrenten experimenteren al met AI? Welke toepassingen zie je bij vergelijkbare organisaties? Wat zijn de verwachtingen van klanten en leveranciers? Deze externe scan geeft context aan je eigen plannen en helpt bij het stellen van realistische ambities.
Visievorming: Op basis van je bevindingen formuleer je een eerste visie. Dit hoeft geen perfect document te zijn, maar wel een helder statement over waarom AI belangrijk is voor jouw organisatie en wat je op hoofdlijnen wilt bereiken. Deze visie dient als kompas voor alle beslissingen die volgen.
Roadmap op hoofdlijnen: Je sluit de strategiedimensie af met een roadmap op hoofdlijnen. Wanneer wil je welke stappen zetten? Welke mijlpalen wil je bereiken? Wat zijn de dependencies en kritieke succescriteria? Deze roadmap hoeft niet tot in detail uitgewerkt te zijn, maar moet wel concreet genoeg zijn om richting te geven aan de komende 12 tot 18 maanden.
Deliverables niveau 1 Strategie: AI visiedocument, externe trendanalyse, roadmap op hoofdlijnen met mijlpalen voor de komende 12 maanden.
2. Waarde: Use cases identificeren en prioriteren
De waardedimensie draait om het identificeren van concrete toepassingen die waarde kunnen creeren. In niveau 1 doe je een brede inventarisatie van mogelijkheden en maak je een eerste prioritering zonder nog te implementeren.
Use case inventarisatie: Organiseer sessies met verschillende afdelingen om potentiele AI toepassingen te identificeren. Kijk naar processen die veel tijd kosten, taken die repetitief zijn, beslissingen die baat hebben bij meer data, of diensten die gepersonaliseerd kunnen worden. Het doel is een lange lijst van mogelijkheden, zonder te vroeg te filteren.
Impact en haalbaarheid inschatten: Voor elke geidentificeerde use case maak je een eerste inschatting van de potentiele impact en de haalbaarheid. Impact gaat over de waarde die het oplevert: kostenbesparing, omzetverhoging, klanttevredenheid, of efficientiewinst. Haalbaarheid gaat over hoe makkelijk of moeilijk implementatie zou zijn gegeven je huidige situatie.
Prioriteringsmatrix: Plot de use cases in een matrix met impact op de ene as en haalbaarheid op de andere. De use cases in de hoek met hoge impact en hoge haalbaarheid zijn je kandidaten voor de eerste pilots in niveau 2. De use cases met hoge impact maar lage haalbaarheid zijn interessant voor later. De use cases met lage impact kun je voorlopig parkeren.
Business case schetsen: Voor de top vijf use cases maak je een eerste schets van de business case. Wat zou het kosten om dit te realiseren? Wat zou het opleveren? Wat zijn de risicos? Deze business cases hoeven nog niet uitgewerkt te zijn, maar geven wel een eerste indicatie of verder onderzoek zinvol is.
Deliverables niveau 1 Waarde: Use case inventarisatie met minimaal 15 potentiele toepassingen, prioriteringsmatrix, eerste business case schetsen voor top 5 use cases.
3. Organisatie: Structuur en partnerships voorbereiden
De organisatiedimensie gaat over hoe je je organisatie inricht voor AI succes. In niveau 1 inventariseer je de huidige situatie en begin je met het bouwen van de benodigde structuren.
Stakeholder mapping: Breng in kaart wie de relevante stakeholders zijn voor AI initiatieven. Wie zijn de beslissers? Wie zijn de beindvloeders? Wie zijn de potentiele champions? En wie zijn de sceptici wiens zorgen serieus genomen moeten worden? Deze mapping helpt je om gericht draagvlak te bouwen.
Huidige capabilities assessment: Maak een eerlijke inventarisatie van de huidige capabilities in je organisatie. Welke technische vaardigheden zijn aanwezig? Welke ervaring heeft het team met data analyse of automatisering? Waar zitten de hiaten? Deze assessment helpt bij het bepalen of je capabilities intern moet ontwikkelen of extern moet inhuren.
Partner en leverancier orientatie: Begin met het orienteren op potentiele partners en leveranciers. Dit betekent nog niet dat je contracten sluit, maar wel dat je verkent welke partijen interessant zijn. Denk aan technologieleveranciers, consultants, academische partners of brancheorganisaties. Voer eerste gesprekken om te leren wat mogelijk is en wat het kost.
Governance voorbereiding: Hoewel formele governance pas in niveau 2 en 3 vorm krijgt, is het in niveau 1 al belangrijk om na te denken over hoe je AI initiatieven wilt besturen. Wie is verantwoordelijk? Hoe worden beslissingen genomen? Hoe waarborg je dat initiatieven aligned blijven met de strategie?
Deliverables niveau 1 Organisatie: Stakeholder mapping, capabilities assessment, longlist van potentiele partners en leveranciers, eerste gedachten over governance structuur.
4. Mensen en Cultuur: Bewustwording en draagvlak creeren
De mensendimensie is in veel opzichten de meest bepalende voor het succes van AI transformatie. Technologie is makkelijk te krijgen, maar mensen meenemen in verandering is de echte uitdaging. In niveau 1 leg je hier het fundament.
AI awareness programma: Start een programma om het basisbegrip van kunstmatige intelligentie te verhogen in de organisatie. Dit kan variëren van lunch sessies met presentaties tot het delen van artikelen en videos. Het doel is dat mensen begrijpen wat AI is, wat het kan, en wat het voor hun werk kan betekenen. Richt je niet alleen op management, maar op alle niveaus in de organisatie.
Adresseren van zorgen: AI roept bij veel mensen zorgen op. Zorgen over hun baan, over privacy, over de betrouwbaarheid van technologie. Neem deze zorgen serieus en adresseer ze actief. Organiseer Q&A sessies waar mensen vragen kunnen stellen. Wees eerlijk over wat je wel en niet weet. Transparantie bouwt vertrouwen.
Identificeren van champions: Zoek naar mensen in de organisatie die enthousiast zijn over AI en bereid zijn om een voortrekkersrol te spelen. Deze champions zijn onmisbaar voor het verspreiden van kennis en enthousiasme. Ze hoeven geen AI experts te zijn, maar wel geloofwaardige collega die anderen kunnen inspireren.
Skills gap analyse: Maak een analyse van welke vaardigheden nodig zijn voor de beoogde AI initiatieven en vergelijk dit met de huidige vaardigheden in je team. Waar zitten de grootste gaps? Kun je die intern ontwikkelen of moet je extern inhuren? Deze analyse informeert je opleidings en wervingsstrategie.
Ethiek en vertrouwen: Begin in niveau 1 al met het gesprek over ethiek en vertrouwen. Hoe ga je om met AI systemen die beslissingen nemen of aanbevelingen doen? Hoe zorg je dat algoritmes eerlijk zijn? Hoe bescherm je privacy? Het is beter om deze discussies vroeg te voeren dan later tegen problemen aan te lopen.
Deliverables niveau 1 Mensen: AI awareness materialen en sessies, overzicht van zorgen en hoe deze geadresseerd worden, lijst van geidentificeerde champions, skills gap analyse, eerste discussie over ethische uitgangspunten.
5. Governance: Kaders en principes definieren
Governance lijkt misschien een onderwerp voor later, maar de basis leg je in niveau 1. Zonder kaders en principes loop je het risico dat initiatieven alle kanten op gaan, dat risicos niet worden beheerst, of dat je tegen juridische problemen aanloopt.
Juridisch en compliance landschap: Inventariseer welke wet en regelgeving relevant is voor AI in jouw context. De Europese AI Act, AVG/GDPR, sectorspecifieke regelgeving: zorg dat je weet welke regels van toepassing zijn. Dit hoeft geen juridische diepteanalyse te zijn, maar wel een overzicht van de kaders waarbinnen je opereert.
Risico identificatie: Identificeer de potentiele risicos van AI inzet in jouw organisatie. Wat kan er misgaan? Wat zijn de consequenties? Denk aan risicos op het gebied van privacy, security, bias, reputatie, of afhankelijkheid van leveranciers. Een goede risico identificatie helpt bij het stellen van prioriteiten en het nemen van voorzorgsmaatregelen.
Principes en uitgangspunten: Formuleer een set van principes die je AI initiatieven gaan leiden. Dit kunnen principes zijn over transparantie, eerlijkheid, privacy, menselijke controle, of verantwoording. Deze principes vormen het ethische kompas voor alle beslissingen die volgen.
Besluitvormingsstructuur: Bepaal hoe beslissingen over AI initiatieven worden genomen. Wie keurt pilots goed? Wie beslist over budget? Wie is verantwoordelijk voor risicobeheer? Het hoeft geen uitgebreid governance framework te zijn, maar wel duidelijkheid over wie wat beslist.
Deliverables niveau 1 Governance: Overzicht van relevante wet en regelgeving, initiele risico identificatie, set van leidende principes, beschrijving van besluitvormingsstructuur.
6. Engineering: Technische readiness inventariseren
In niveau 1 bouw je nog geen AI systemen, maar je inventariseert wel wat de technische uitgangspositie is. Deze inventarisatie helpt bij het inschatten van wat haalbaar is en wat er nog moet gebeuren voordat pilots kunnen starten.
IT landschap inventarisatie: Breng je huidige IT landschap in kaart. Welke systemen heb je? Hoe zijn ze verbonden? Waar zit de data? Hoe oud zijn de systemen? Deze inventarisatie geeft inzicht in de technische complexiteit van integratie met AI oplossingen.
Cloud en infrastructuur: Inventariseer je huidige cloudstrategie en infrastructuur. Veel AI oplossingen draaien in de cloud. Als je organisatie nog geen cloud ervaring heeft, is dat een aandachtspunt. Bepaal of je bestaande infrastructuur geschikt is voor AI workloads of dat er investeringen nodig zijn.
Security assessment: Maak een initiele beoordeling van je security posture in relatie tot AI. AI systemen verwerken vaak gevoelige data en maken beslissingen met impact. Hoe zorg je dat dit veilig gebeurt? Welke security maatregelen zijn al op orde en welke moeten nog worden versterkt?
Technologie orientatie: Begin met het orienteren op relevante technologieen. Welke AI platforms en tools zijn er? Wat zijn de voor en nadelen? Welke passen bij jouw use cases? Dit hoeft geen uitgebreide selectie te zijn, maar wel een eerste verkenning van de opties.
Deliverables niveau 1 Engineering: IT landschap documentatie, cloud readiness assessment, security posture evaluatie, orientatie op relevante AI technologieen.
7. Data: Fundament voor AI succes leggen
Data is de brandstof voor AI. Zonder goede data zijn zelfs de beste AI algoritmes nutteloos. In niveau 1 inventariseer je je data landschap en identificeer je wat er moet verbeteren voordat je succesvol met AI aan de slag kunt.
Data inventarisatie: Breng in kaart welke data je organisatie heeft. In welke systemen zit de data? Wie is eigenaar? Hoe wordt de data verzameld en opgeslagen? Wat is de kwaliteit? Deze inventarisatie is de basis voor alles wat volgt op datagebied.
Data kwaliteit assessment: Maak een eerste inschatting van de kwaliteit van je data. Is de data volledig? Is de data accuraat? Is de data up to date? Is de data consistent? Veel AI projecten stranden op slechte datakwaliteit. Beter om dit vroeg te ontdekken dan tijdens een pilot.
Data gaps identificeren: Vergelijk de data die je hebt met de data die je nodig hebt voor de beoogde use cases. Waar zitten de gaps? Kun je die gaps vullen door bestaande data beter te verzamelen? Of heb je nieuwe databronnen nodig? Of moet je data inkopen?
Data governance voorbereiding: Begin na te denken over hoe je data governance wilt inrichten. Wie is verantwoordelijk voor welke data? Hoe zorg je voor kwaliteit? Hoe ga je om met privacy? Data governance wordt steeds belangrijker naarmate je meer met AI gaat doen, dus begin vroeg met de voorbereiding.
Datastrategie eerste versie: Stel een eerste versie van je datastrategie op. Wat is je ambitie op datagebied? Welke investeringen zijn nodig? Hoe verhoudt de datastrategie zich tot de AI strategie? Deze eerste versie hoeft niet perfect te zijn, maar geeft richting aan de activiteiten die volgen.
Deliverables niveau 1 Data: Data inventarisatie, data kwaliteit assessment, overzicht van data gaps, eerste gedachten over data governance, datastrategie eerste versie.
Activiteiten en deliverables in niveau 1
Het planningsniveau bestaat uit een reeks concrete activiteiten die leiden tot tastbare deliverables. Deze deliverables vormen samen het fundament waarop je bouwt in de volgende niveaus. Hieronder vind je een overzicht van de belangrijkste activiteiten en wat ze opleveren.
Fase 1: Orientatie en bewustwording (maand 1-2)
In de eerste fase draait alles om leren en begrijpen. Je verzamelt informatie, spreekt met experts, en ontwikkelt een basisbegrip van wat kunstmatige intelligentie is en kan.
Activiteiten orientatiefase
- Organiseer een kickoff sessie met het managementteam om doelen en verwachtingen te bespreken
- Voer een externe scan uit van AI toepassingen in je branche en bij concurrenten
- Plan introductie sessies voor verschillende afdelingen over de basics van AI
- Identificeer en interview interne stakeholders om behoeften en zorgen in kaart te brengen
- Voer eerste gesprekken met potentiele externe partners of consultants
Fase 2: Inventarisatie en analyse (maand 2-4)
In de tweede fase ga je dieper. Je inventariseert use cases, analyseert je data en technologie landschap, en krijgt een compleet beeld van je uitgangspositie.
Activiteiten inventarisatiefase
- Organiseer use case discovery workshops met elke afdeling
- Maak een complete data inventarisatie en kwaliteitsassessment
- Documenteer het IT landschap en identificeer integratiepunten
- Voer een skills gap analyse uit voor het team
- Breng relevante wet en regelgeving in kaart
- Identificeer potentiele risicos en maak een eerste risico register
Fase 3: Strategie en planning (maand 4-6)
In de derde fase breng je alles samen. Je formuleert de strategie, prioriteert de use cases, en stelt de roadmap op die je door de volgende niveaus leidt.
Activiteiten strategiefase
- Formuleer de AI visie en laat deze valideren door het management
- Prioriteer use cases met behulp van de impact haalbaarheid matrix
- Werk business cases uit voor de top 3 tot 5 use cases
- Stel de roadmap op met mijlpalen voor de komende 12 tot 18 maanden
- Definieer de governance structuur en leidende principes
- Verkrijg formele goedkeuring en budget voor de eerste pilots
Stappenplan en tijdlijn voor niveau 1
Een typische doorlooptijd voor niveau 1 is drie tot zes maanden, afhankelijk van de grootte van je organisatie, de beschikbare capaciteit, en de complexiteit van je situatie. Hieronder vind je een indicatieve tijdlijn met de belangrijkste mijlpalen.
Interactieve voortgangstracker
Stap 1: Kickoff en orientatie (Week 1-4)
Start met een formele kickoff waar het managementteam de ambitie uitspreekt en de doelen voor de planningsfase definieert. Organiseer vervolgens awareness sessies om de organisatie mee te nemen in wat er komt. Voer een eerste externe scan uit om te leren van anderen.
Stap 2: Use case discovery (Week 4-8)
Organiseer workshops met elke afdeling om potentiele AI toepassingen te identificeren. Betrek medewerkers actief: zij kennen de processen het beste. Verzamel alle ideeen zonder te vroeg te filteren. Het doel is een brede inventarisatie van mogelijkheden.
Stap 3: Data en technologie assessment (Week 6-12)
Parallel aan de use case discovery start je met de inventarisatie van data en technologie. Breng je IT landschap in kaart, beoordeel de datakwaliteit, en identificeer de gaps. Dit is technisch werk dat tijd kost maar onmisbaar is voor realistische planning.
Stap 4: Strategie formulering (Week 12-18)
Met alle inzichten op tafel kun je nu de strategie formuleren. Prioriteer de use cases, werk de business cases uit, en definieer de governance principes. Betrek het management intensief in deze fase: zij moeten de strategie dragen en uitdragen.
Stap 5: Roadmap en formele goedkeuring (Week 18-24)
Stel de definitieve roadmap op met concrete mijlpalen, verantwoordelijkheden en budgetten. Presenteer het plan aan het management of de directie voor formele goedkeuring. Zodra goedkeuring is verkregen, ben je klaar om door te groeien naar niveau 2.
Gedetailleerde tijdlijn
Kickoff en stakeholder alignment
Formele start van het traject. Definieer de scope, stel het projectteam samen, en zorg voor commitment van het management. Communiceer de start breed in de organisatie.
Awareness en externe scan
Organiseer de eerste awareness sessies. Voer een scan uit van wat er in je branche gebeurt op AI gebied. Verzamel inspiratie van andere organisaties.
Use case discovery
Organiseer workshops met alle relevante afdelingen. Verzamel en documenteer alle potentiele use cases. Maak een eerste groepering en categorisering.
Data en technologie inventarisatie
Breng het data landschap in kaart. Beoordeel datakwaliteit. Documenteer het IT landschap. Identificeer technische randvoorwaarden en gaps.
Skills en organisatie assessment
Voer de skills gap analyse uit. Maak de stakeholder mapping. Bepaal de benodigde capabilities en hoe je die gaat ontwikkelen of verkrijgen.
Use case prioritering en business cases
Prioriteer de use cases met de impact haalbaarheid matrix. Werk business cases uit voor de top kandidaten. Bepaal welke use cases als eerste in pilot gaan.
Strategie en governance definitie
Formuleer de AI visie en strategie. Definieer de governance structuur en leidende principes. Bepaal hoe risicos worden beheerd en beslissingen worden genomen.
Roadmap en formele goedkeuring
Stel de definitieve roadmap op. Presenteer aan directie of management voor goedkeuring. Verkrijg budget commitment voor de eerste pilots. Vier de milestone en communiceer de vervolgstappen.
Niveau 1 voor het MKB: pragmatisch plannen zonder overhead
Alles wat je hierboven leest is geschreven vanuit een generiek perspectief. Maar als MKB ondernemer herken je jezelf misschien niet in termen als “steering committee” of “directiepresentaties”. Dat is logisch. Jij hebt geen lagen management en geen maanden tijd voor uitgebreide planningstrajecten. Het goede nieuws: de kernprincipes blijven hetzelfde, maar de uitvoering kan veel pragmatischer.
MKB voordeel: Waar corporates maanden nodig hebben voor afstemming en goedkeuring, kun jij in een paar weken van idee naar actie. Korte lijnen betekenen snelle beslissingen. Gebruik dat voordeel.
Corporate practices vertaald naar MKB
Hieronder zie je hoe typische corporate aanpakken in niveau 1 er voor het MKB uitzien. Dezelfde doelen, maar op een manier die past bij jouw schaal en middelen.
| Corporate aanpak | MKB alternatief |
|---|---|
| AI strategiedocument 20-50 pagina’s, maanden doorlooptijd, meerdere stakeholders |
Strategische A4 1 pagina met drie vragen: welk probleem, hoeveel budget, wie is eigenaar |
| Steering committee Maandelijkse vergaderingen met directie en afdelingshoofden |
Weekstart check-in 5 minuten in je bestaande weekoverleg: hoe staat het met AI? |
| Use case scoring matrix 10+ criteria, gewogen scores, uitgebreide analyse |
Top 3 ergernissen Welke taken kosten het meeste tijd of frustratie? Begin daar. |
| Business case per use case ROI berekeningen, scenario analyses, financiele modellen |
Servet berekening Hoeveel uur kost het nu? Wat kost de tool? Verdien ik dat terug? |
| Vendor selectie proces RFP, meerdere rondes, proof of concepts, contractonderhandeling |
Trial en test Start een gratis proefperiode, test een week, beslis |
| Data readiness assessment Uitgebreide audit van datasystemen en kwaliteit |
Praktische inventarisatie Welke data heb ik in Excel, CRM of boekhoudpakket die ik kan gebruiken? |
| Change management plan Communicatieplan, training roadmap, stakeholder mapping |
Team gesprek Bespreek het in de koffiekamer, vraag wie interesse heeft, begin met vrijwilligers |
| AI governance framework Policies, procedures, risk registers, compliance checks |
Huisregels op 1 pagina Wat mag wel, wat mag niet, wie beslist bij twijfel |
Strategie zonder strategiedocumenten
Een corporate schrijft een AI strategie van tientallen pagina’s. Jij hebt genoeg aan een A4 met antwoorden op drie vragen: Welk probleem wil ik oplossen met AI? Hoeveel tijd en geld kan ik erin steken? En wie in mijn team gaat ermee aan de slag? Meer heb je niet nodig om te starten.
Je hoeft geen business case te schrijven met complexe ROI berekeningen. Als ondernemer weet je vaak intuïtief welke processen tijd kosten en waar winst te behalen is. Vertrouw op die intuïtie, maar toets hem wel. Praat met je medewerkers. Vraag waar zij tegenaan lopen. De beste AI toepassingen komen vaak uit de werkvloer, niet uit de directiekamer.
Use case selectie: begin bij je grootste ergernis
Corporates gebruiken scoringmodellen met tien criteria om use cases te prioriteren. Jij kunt het simpeler houden: welk proces kost je nu de meeste tijd, frustratie of geld? Begin daar. Als je elke week uren kwijt bent aan het beantwoorden van dezelfde klantvragen, is een AI chatbot een logische eerste stap. Als je facturen handmatig moet verwerken, kijk naar automatisering.
Een paar concrete voorbeelden van MKB geschikte eerste AI projecten:
- Klantenservice automatisering: Een AI chatbot die veelgestelde vragen beantwoordt, 24/7 beschikbaar
- Offertes en e-mails: AI die helpt bij het schrijven van offertes, e-mails of rapporten in jouw tone of voice
- Administratie: Automatisch facturen verwerken, bonnetjes scannen of data invoeren
- Planning en roosters: AI ondersteuning bij het maken van werkroosters of projectplanningen
- Content creatie: Hulp bij het schrijven van social media posts, blogs of nieuwsbrieven
Zonder dedicated team: wie doet wat?
Je hebt waarschijnlijk geen “AI team” en dat hoeft ook niet. Wat je wel nodig hebt is iemand die zich eigenaar voelt van het project. Dat kan de ondernemer zelf zijn, of een medewerker die affiniteit heeft met technologie. Deze persoon hoeft geen expert te zijn, maar moet wel de tijd krijgen om zich erin te verdiepen.
Praktisch betekent dit: reserveer een halve dag per week voor deze persoon om te leren, te experimenteren en leveranciers te evalueren. Dat is je minimale investering. Zonder die tijdsinvestering strandt elk AI initiatief in goede voornemens.
Leveranciers en tools voor het MKB
Als MKB heb je andere leveranciers nodig dan een corporate. Je zoekt geen IBM of Accenture, maar partijen die begrijpen wat het betekent om met beperkte budgetten te werken. Zoek naar:
- Consultants die ervaring hebben met MKB en die in jouw taal spreken
- SaaS oplossingen met maandelijkse abonnementen in plaats van grote implementatieprojecten
- No-code of low-code platforms die je zelf kunt beheren
- Lokale of regionale partners die je persoonlijk kent
Wees kritisch op leveranciers die meteen met grote projecten komen. Een goede MKB partner begint klein, levert snel resultaat, en schaalt op als het werkt.
Budget: wat kost het echt?
Een veelgestelde vraag: wat kost AI voor het MKB? Het eerlijke antwoord: dat varieert enorm. Maar om je een idee te geven van realistische startbudgetten:
- Gratis tot 100 euro per maand: Experimenteren met tools als ChatGPT, Claude of Copilot voor persoonlijke productiviteit
- 100 tot 500 euro per maand: SaaS AI tools voor specifieke taken zoals chatbots, transcriptie of content
- 500 tot 2.000 euro per maand: Geïntegreerde oplossingen met koppelingen naar je bestaande systemen
- Eenmalig 5.000 tot 15.000 euro: Maatwerkimplementatie van een eerste AI toepassing
Begin klein. Je hoeft niet meteen tienduizenden euros te investeren. Start met een tool van 50 euro per maand en kijk of het waarde oplevert. Schaal pas op als je bewijs hebt dat het werkt.
MKB tip: Vraag bij elke leverancier naar referenties van vergelijkbare MKB bedrijven. Als ze alleen grote corporates als klant hebben, begrijpen ze jouw situatie waarschijnlijk niet.
Valkuilen in niveau 1 en hoe je ze vermijdt
Veel organisaties maken dezelfde fouten in de planningsfase. Door deze valkuilen te kennen, kun je ze vermijden en je kansen op succes vergroten. Hieronder bespreken we de meest voorkomende valkuilen en hoe je ze aanpakt.
Valkuil 1: Te snel willen gaan
De druk om snel resultaten te boeken leidt ertoe dat organisaties de planningsfase overslaan of afrafelen. Ze starten pilots zonder duidelijke use case prioritering, zonder datainventarisatie, zonder governance. Het gevolg: pilots die stranden of resultaten die niet opschalen.
Oplossing: Accepteer dat goede voorbereiding tijd kost. Communiceer naar stakeholders dat de planningsfase een investering is die zich later terugbetaalt. Stel realistische verwachtingen over doorlooptijden.
Valkuil 2: Alleen op technologie focussen
Organisaties raken gefascineerd door de technologie en vergeten de andere dimensies. Ze praten over GPT4 en machine learning, maar niet over change management, governance of datakwaliteit. Het gevolg: technisch werkende oplossingen die niemand gebruikt.
Oplossing: Zorg voor balans over alle zeven dimensies. Besteed evenveel aandacht aan mensen en organisatie als aan technologie. Betrek HR en business stakeholders net zo intensief als IT.
Valkuil 3: Geen executive sponsorship
AI initiatieven worden gestart door enthousiaste medewerkers of afdelingen zonder steun van het topmanagement. Er is geen budget, geen mandaat, en geen bescherming tegen concurrerende prioriteiten. Het gevolg: initiatieven die verzanden bij de eerste tegenwind.
Oplossing: Zorg dat minimaal een directielid of senior manager de AI agenda sponsort. Niet alleen op papier, maar actief betrokken. Deze sponsor opent deuren, maakt budget vrij, en beschermt het initiatief.
Valkuil 4: Data onderschatten
Organisaties gaan ervan uit dat hun data op orde is en ontdekken pas tijdens pilots dat dit niet het geval is. Data zit in silo’s, heeft kwaliteitsproblemen, of is simpelweg niet beschikbaar. Het gevolg: vertraging, frustratie en bijgestelde verwachtingen.
Oplossing: Investeer serieus in de data inventarisatie en kwaliteitsassessment. Wees eerlijk over de staat van je data. Plan tijd en budget in voor het verbeteren van datakwaliteit voordat je pilots start.
Valkuil 5: Zorgen negeren
Management is enthousiast maar negeert de zorgen van medewerkers over baanzekerheid, privacy of de betrouwbaarheid van AI. Deze zorgen gaan niet weg door ze te negeren. Het gevolg: weerstand, sabotage of passief verzet.
Oplossing: Neem zorgen serieus en adresseer ze proactief. Wees transparant over wat AI wel en niet gaat veranderen. Betrek medewerkers in het proces en geef ze een stem. Eerlijkheid bouwt vertrouwen.
Valkuil 6: Te veel tegelijk willen
De use case inventarisatie levert tientallen ideeen op en organisaties willen ze allemaal tegelijk aanpakken. Resources worden verspreid over te veel initiatieven. Het gevolg: niets wordt echt goed gedaan, alles blijft hangen in de pilot fase.
Oplossing: Wees streng in de prioritering. Kies maximaal twee tot drie use cases om mee te beginnen. Focus op diepgang in plaats van breedte. Succes in een paar use cases geeft momentum voor de rest.
Readiness checklist: ben je klaar voor niveau 2?
Voordat je doorgaat naar niveau 2 Experimentatie is het belangrijk om te controleren of je de planningsfase goed hebt afgerond. Gebruik onderstaande checklist om je readiness te beoordelen. Je hoeft niet op alle punten 100% te scoren, maar de meeste moeten wel afgevinkt kunnen worden.
Niveau 1 afrondingschecklist
- AI visie geformuleerd: Er is een helder document dat beschrijft waarom AI belangrijk is voor de organisatie en wat de ambities zijn
- Use cases geprioriteerd: Er is een geprioriteerde lijst van use cases met minimaal drie kandidaten voor pilots
- Business cases uitgewerkt: Voor de top use cases is een onderbouwde inschatting gemaakt van kosten en baten
- Data inventarisatie compleet: Er is een overzicht van beschikbare data, de kwaliteit ervan, en de geidentificeerde gaps
- Technische readiness beoordeeld: Het IT landschap is gedocumenteerd en de technische randvoorwaarden zijn bekend
- Skills gap geidentificeerd: Er is inzicht in welke vaardigheden nodig zijn en waar de gaps zitten
- Governance principes gedefinieerd: Er zijn leidende principes en een besluitvormingsstructuur vastgesteld
- Risicos geidentificeerd: Potentiele risicos zijn in kaart gebracht met voorgestelde mitigatie
- Draagvlak gebouwd: Er is steun van het management en er zijn champions geidentificeerd in de organisatie
- Budget gealloceerd: Er is budget vrijgemaakt voor de eerste pilots
- Roadmap goedgekeurd: De roadmap is formeel goedgekeurd door het bevoegde gremium
- Team samengesteld: Er is een team dat verantwoordelijk is voor de uitvoering van de eerste pilots
Doorgroeien naar niveau 2: Experimentatie
Als je de planningsfase succesvol hebt afgerond, ben je klaar voor de volgende stap: experimentatie. In niveau 2 ga je van theorie naar praktijk. Je start de eerste pilots, test je hypotheses in de echte wereld, en bouwt praktijkervaring op.
De overgang van niveau 1 naar niveau 2 is een belangrijk moment. Je verlaat de veilige wereld van plannen en analyses en gaat daadwerkelijk dingen proberen. Dat is spannend, want nu kunnen dingen ook mislukken. Maar dat is precies de bedoeling van pilots: leren wat wel en niet werkt in jouw specifieke context.
Wat je kunt verwachten in niveau 2
- Je start met een of meer concrete pilots gebaseerd op je geprioriteerde use cases
- Je team bouwt praktijkervaring op met AI technologie en implementatie
- Je test je aannames over impact en haalbaarheid in de echte wereld
- Je ontwikkelt eerste versies van processen en governance
- Je leert van fouten en past je aanpak aan op basis van ervaringen
- Je verzamelt bewijs dat nodig is om verdere investeringen te rechtvaardigen
Het goede nieuws: je hebt nu een stevig fundament. Je weet waar je naartoe wilt, welke use cases de meeste potentie hebben, en wat de randvoorwaarden zijn. Dat fundament geeft richting aan je experimenten en vergroot de kans op succes aanzienlijk.
Zet de volgende stap in je AI transformatie
Of je nu net begint of al onderweg bent, wij helpen je graag verder. Ontdek waar je staat of plan direct een gesprek.