Meer AI gebruiken is niet altijd beter: zoek uit wat écht waarde toevoegt

Dit artikel is onderdeel van de reeks ‘AI-governance in de praktijk’. In het eerste artikel ging het om AI besturen, in het tweede artikel om AI-gebruik zichtbaar maken. Nu volgt de vraag: wordt het werk er aantoonbaar beter van? Hieronder beschrijf ik vier verbeterstappen die helpen een proces te veranderen. En vijf niveaus laten zien of die aanpak ook blijft werken.

Sneller schrijven is nog niet eerder publiceren

Het fictieve campagneteam uit het tweede artikel van de reeks had alleen het marketingplatform geregistreerd. De inventarisatie bracht ook de ingebouwde AI-functie voor campagneteksten in beeld. Nu die toepassing is beoordeeld en een eigenaar heeft, onderzoekt het team wat het gebruik werkelijk oplevert.

Het team maakt wekelijks dertig teksten. De schrijftijd daalt van twintig naar vijf minuten per tekst: 7,5 uur minder schrijfwerk. Extra broncontrole en herstel kosten echter tien minuten per tekst, samen vijf uur. Er blijft dus 2,5 uur tijdwinst over, terwijl andere extra kosten nog niet zijn meegerekend. Bovendien wachten de teksten nog steeds op de wekelijkse goedkeuring. Sneller schrijven betekent dus niet eerder publiceren.

Dit is het verschil tussen AI gebruiken en AI-volwassen werken: niet alleen een taak versnellen, maar aantoonbaar beter werk leveren, binnen afgesproken grenzen. Deze casus, inclusief de cijfers en proefuitkomsten, is fictief.

Wat voegt deze aanpak toe?

Waarde, risico’s en leren zijn geen nieuwe onderwerpen. Het AI Risk Management Framework 1.0 van NIST biedt al handvatten voor AI-risicomanagement, inclusief doelen, kosten, baten en alternatieven zonder AI. Ook CMMI, een model voor procesvolwassenheid, verbindt procesverbetering aan organisatiedoelen en resultaten.

De praktische toevoeging hier is de compacte verbinding tussen veranderen en beoordelen, bij één werkproces. De vier verbeterstappen verbinden het procesdoel, de werkwijze, menselijke controle en het besluit over vervolg. De vijf niveaus helpen per onderdeel beoordelen of afspraken alleen op papier bestaan, werkelijk worden uitgevoerd en ook blijven werken. Zo ontstaat geen algemeen rapportcijfer voor de organisatie, maar een gerichte volgende verbetering.

De aanpak vervangt bestaande governance of noodzakelijke toetsing niet. Ook de beslismomenten uit het eerste artikel van de reeks blijven staan. De stappen leveren daarvoor bewijs: wat verbetert dit proces, tegen welke kosten en met welke werkende controles?

Het campagneteam verandert het werk: vier verbeterstappen

Richting wordt een meetbaar procesdoel

In het teamoverleg verschuift de vraag van ‘hoe maken we meer teksten?’ naar ‘hoe krijgen klanten eerder correcte productinformatie?’ De marketingmanager wordt als proceseigenaar verantwoordelijk voor het resultaat én de risico’s. Het doel: de tijd vanaf een complete briefing tot publicatie terugbrengen van gemiddeld vier naar gemiddeld twee werkdagen, met dezelfde kwaliteitseisen.

Het team legt eerst de huidige situatie vast: de nulmeting. Naast schrijftijd meet het wachttijd, controles, herstelwerk en werkdruk. Ook licenties, invoering en opleiding tellen mee in de kostenvergelijking. Eenmalige kosten worden over een passende gebruiksperiode verdeeld. Dat voorkomt dat tijdwinst bij de schrijver verdwijnt in extra werk bij de controleur.

Doel, eigenaar, budget en grenzen komen in het besluitcontract: de vastgelegde afspraken over wat de proef moet opleveren en wanneer die stopt. Voor deze proef geldt bijvoorbeeld: komt een onjuiste productclaim toch online, dan wordt de AI-proef gepauzeerd en onderzoekt het team de oorzaak. Een hoger tempo mag geen reden zijn om zo’n fout te accepteren.

Tijdwinst wordt een andere werkwijze

De nulmeting maakt duidelijk waar het werk vastloopt. Productinformatie staat verspreid en de goedkeurder bekijkt teksten maar eenmaal per week. Het team richt daarom één actuele, goedgekeurde informatiebron in, met een eigenaar die wijzigingen bijhoudt. De goedkeurder reserveert dagelijks tijd. De noodzakelijke controles blijven hetzelfde.

Dit past bij de benadering van David Rogers in The Digital Transformation Roadmap: digitale verandering vraagt ook om verandering van de organisatie, niet alleen om nieuwe technologie. Voor het campagneteam betekent dat andere taken en werkafspraken, plus tijd om ermee te oefenen.

Vervolgens verdeelt het team vergelijkbare teksten tijdens een proef van vier weken over de nieuwe route mét en zonder AI. Zo wordt zichtbaar wat de aangepaste werkwijze oplevert en wat AI daaraan toevoegt. Vrijgekomen tijd krijgt vooraf een bestemming, zoals klantvragen onderzoeken. Bespaarde minuten worden niet automatisch als bespaarde euro’s geboekt.

Menselijke controle wordt uitvoerbaar

De redacteur controleert productclaims aan de goedgekeurde bron en moet publicatie kunnen tegenhouden. In een oefening staat in een AI-tekst ‘vijf jaar garantie’, terwijl de bron twee jaar vermeldt. De redacteur herkent de fout en blokkeert de tekst. Daarmee is een instructie geoefend in een concrete werksituatie, al bewijst één oefening nog geen betrouwbare controle bij dagelijks gebruik.

Een collega meldt vervolgens dat de controle bij complexe productclaims veel langer duurt. De manager onderzoekt dat, in plaats van alleen op productiesnelheid te sturen. Zulke teksten gaan voorlopig terug naar de werkwijze zonder AI. Psychologische veiligheid krijgt zo een praktische betekenis: medewerkers kunnen twijfels en extra herstelwerk melden, en zien dat er iets mee gebeurt.

Ook de omgeving en gegevens zijn begrensd: alleen de beoordeelde AI-functie, toegestane productinformatie en passende toegangsrechten. Het team oefent hoe het bij uitval zonder AI verdergaat. Met de leverancier worden afspraken gemaakt over wijzigingen en uitval. Een relevante wijziging leidt tot een nieuwe beoordeling.

Resultaten worden een besluit

In deze fictieve proef daalt de gemiddelde tijd tot publicatie van vier naar twee werkdagen, zowel mét als zonder AI. Eerder publiceren blijkt dus vooral winst van de dagelijkse goedkeuring. Bij eenvoudige teksten kost schrijven plus extra AI-controle samen tien minuten, tegenover twintig minuten schrijfwerk zonder AI. De gewone eindcontrole blijft in beide varianten gelijk. In de gepubliceerde eenvoudige teksten worden geen onjuiste productclaims gevonden. Bij complexe productclaims verdwijnt de tijdwinst juist door herstelwerk.

De proceseigenaar bespreekt de resultaten met medewerkers en relevante deskundigen. Naast tijd tellen kwaliteit, alle kosten en werkdruk mee, ook bij tegenvallende teksten. Het besluit: de snellere goedkeuringsroute behouden, AI voorlopig alleen voor eenvoudige teksten gebruiken en complexe claims zonder AI uitwerken. De uitkomsten rechtvaardigen nog geen brede uitrol.

De resultaten en het besluit komen in het bewijspakket voor de volgende beoordeling. Het AI-register krijgt de aangepaste gebruiksgrens, eigenaar en beoordelingsdatum. Het management maakt tijd vrij voor controle en verdere meting. De volgende vraag is niet ‘kunnen er meer licenties bij?’, maar ‘blijft deze aanpak ook onder druk werken?’

Vijf niveaus: van afspraken naar aantoonbaar leren

Een proef laat zien wat kan werken. De niveaus helpen beoordelen hoe stevig die aanpak is ingebed. De ontwikkellijn is geïnspireerd op de CMMI Levels of Capability and Performance: van persoonsafhankelijk werken naar een vastgelegde, meetbare aanpak die blijft verbeteren. CMMI zelf kent eigen eisen en beoordelingen. De vijf AI-niveaus hieronder zijn daar geen één-op-één vertaling van.

De indeling uit mijn toolkit onderscheidt vijf herkenbare situaties: afhankelijk zijn van personen, afspraken hebben, die uitvoeren, de werking over tijd bewaken en aantoonbaar verbeteren. Die verschillen vragen andere acties. Een nieuwe instructie helpt niet vanzelf als een bestaande afspraak bij drukte wordt overgeslagen. En meer meten is nog geen leren als niemand de aanpak aanpast. De vijf niveaus ordenen dus verschillende verbeterbehoeften, het zijn geen wetenschappelijk aangetoonde ontwikkelfasen. De indeling is een gesprekshulpmiddel, geen gevalideerde meetschaal of certificering.

De hogere niveaus bouwen voort op de lagere: leren vervangt geen noodzakelijke controle. ‘Voorspelbaar’ gaat bovendien over de werkwijze, niet over ieder AI-antwoord. Er is geen vaste proefduur die automatisch een niveau bewijst. Het bewijs moet passen bij het gebruik en de risico’s.

Hoe stappen en niveaus samen worden gebruikt

Gebruik de vier stappen om het werk te verbeteren en de niveaus om per onderdeel de huidige werking te beoordelen. Dat kan vooraf, tijdens en na een proef. Stap drie is dus niet hetzelfde als niveau drie. Een team kan alle vier stappen hebben doorlopen, terwijl de uitvoering van de controles nog op basisniveau blijft steken.

Stel dat het campagneteam na de proef ontdekt dat redacteuren bij drukte soms de broncontrole overslaan. Voor dat onderdeel past niveau 2: de afspraak bestaat, maar wordt niet consequent gevolgd. De volgende verbetering zit dan bij menselijke controle: voldoende tijd, oefenen en nagaan of de aangepaste afspraak werkt. Niet bij méér AI-gebruik.

Bij de volgende beoordeling bespreekt het team echte teksten, gemelde fouten en uitgevoerde controles. Consequente uitvoering kan niveau 3 onderbouwen. Voor niveau 4 is bewijs over meerdere beoordelingen nodig, ook bij drukte of afwezigheid van de vaste redacteur. Niveau 5 vraagt daarnaast dat terugkerende signalen leiden tot verbeteringen waarvan het effect wordt gemeten.

Zo geven de stappen richting aan het handelen en de niveaus aan het bewijs dat nog nodig is. Een zwakke plek kan aanleiding zijn om een eerdere stap opnieuw te doorlopen. Maak geen gemiddelde van de niveaus: goede resultaten compenseren geen ontbrekende controle. Ontbreekt er bewijs, noteer dan ‘niet aantoonbaar’, en niet automatisch ‘ad-hoc’. Trek uit één proces ook geen conclusie over de hele organisatie.

Volwassenheid kan ook minder AI betekenen

Het campagneteam koopt uiteindelijk niet zomaar meer licenties. Het verandert eerst de goedkeuring, begrenst het AI-gebruik en meet of controles blijven werken. Dat is de kern: niet zo veel mogelijk AI, maar weten waar AI waarde toevoegt en waar niet. Neem daarom één proces uit het AI-register en bespreek niet alleen wat sneller gaat, maar ook wat aantoonbaar beter wordt en blijft werken. De volwassen keuze kan opschalen zijn. Maar aanpassen, pauzeren of stoppen kan net zo goed de juiste uitkomst zijn.