De meeste mensen die iets willen met AI beginnen met de verkeerde vraag.
"Wat kunnen we met AI?" klinkt als een prima vertrekpunt. Het levert alleen een catalogus op, geen richting. Een eindeloze lijst van mogelijkheden waar je vervolgens niet verder mee komt.
Wij draaien de volgorde om. Eerst begrijpen we het werk, de werkwijze en de mensen. Dan zoeken we de ene plek waar AI echt het verschil maakt. En daarna bouwen we snel, want die eerste werkende implementatie leert een organisatie meer over AI dan welke training of awareness-sessie dan ook. Zodra mensen zien hoe een agent een taak overneemt die ze altijd hebben gevreesd, stoppen ze met nadenken over "AI in de toekomst". Dan zijn ze al bezig met nu.
Hieronder een levend overzicht van waar we op dit moment mee bezig zijn. We houden deze pagina bij naarmate nieuwe projecten starten, want echte voorbeelden zeggen meer dan gepolijste succesverhalen.
IT-serviceorganisatie voor onderwijs
Achter dit project zit een bijzondere opdrachtgever: een organisatie die de IT-dienstverlening regelt voor een groep scholen, kinderopvanglocaties en een centraal hoofdkantoor. Samen goed voor zo'n 3.000 medewerkers. Al die locaties, al die mensen en één IT-team dat de boel draaiende houdt.
We begonnen met twee sessies. Niet om te pitchen, maar om te begrijpen. Welke systemen draaien er? Waar loopt het vast? Wat vreet de meeste tijd zonder dat er echte waarde tegenover staat?
Twee sporen kwamen naar boven.
Spoor 1: Ticket Creation Agent. De IT-helpdesk had een probleem dat je op het eerste gezicht niet ziet. Medewerkers wisten niet goed hoe ze een supportverzoek moesten indienen. De gevolgen waren voorspelbaar: het IT-team bracht een flink deel van zijn tijd door met aanvragen herformuleren, informatie opvragen en verduidelijken, voordat ze überhaupt aan de oplossing konden beginnen. We bouwden een AI-agent die medewerkers begeleidt bij het aanmaken van een ticket. De juiste informatie, het juiste format, in één keer goed. Fase 1 is live. De feedback? Uitstekend.
Spoor 2: AI-adoptie en governance. Scholen zitten op heel verschillende plekken als het gaat om AI. De ene heeft al beleid en pilots. De andere weet niet waar te beginnen. We helpen met het governance-raamwerk, draaien adoptie-pilots en vergelijken Microsoft 365 Copilot met gratis alternatieven, om te vinden wat echt past bij hoe deze organisaties werken. Dit spoor loopt door heel 2026. De resultaten worden gemeten in Q4.
Bouw, infra en industrie: van verplichte papierberg naar slimme agent
Wie in de bouw werkt, kent het gevoel. Elk project brengt een stapel verplichte documentatie mee. Risicoanalyses, veiligheidsrapportages, wettelijk voorgeschreven en niet optioneel. In Nederland heeft die administratieve last zelfs een eigen bijnaam: de Paarse Krokodil. Een term voor alle verplichte rompslomp die iedereen herkent, maar die niemand graag doet.
Onze opdrachtgever, een bedrijf dat dit soort rapportages verzorgt voor projecten in de bouw, infra en industrie, was er gemiddeld twee uur per rapport aan kwijt.
Ze kwamen bij ons binnen met scepsis. Begrijpelijk. Een eerder bureau had grote beloftes gedaan en weinig geleverd. Dus we begonnen niet met beloftes. We begonnen met hun werkwijze. Hoe wordt een rapport gemaakt? Welke informatie gaat erin? Waar zit de echte bottleneck?
Na een grondige analyse bouwden we samen een AI-agent die de kern van het rapportageproces overneemt. De agent stelt de juiste vragen, structureert de invoer en genereert een eerste versie van de rapportage. Correct, volledig en klaar om te worden beoordeeld door de consultant.
De resultaten spreken voor zich:
- 50% tijdsbesparing per rapportage. Van twee uur naar één uur.
- Hogere kwaliteit bij de eerste versie. Minder correctierondes nodig.
- Meer ruimte voor inhoudelijk oordeel. De mens beslist, de agent bereidt voor.
- Betere klantfeedback. Opdrachtgevers geven aan dat de rapportages beter zijn dan voorheen.
Live in minder dan zes weken. En nu is het tweede traject al gestart: een uitgebreider systeem op basis van Azure, met meerdere gespecialiseerde sub-agents die elk een ander deel van het proces voor hun rekening nemen.
Communicatieteam bij een grote financiële instelling
De opdrachtgever: het communicatieteam van een grote en bekende financiële instellingen van Nederland.
De ambitie: AI-first worden. Niet als kreet op een slide, maar als echte werkwijze, waarbij AI structureel is ingebed in hoe het team onderzoek doet, schrijft, redigeert en publiceert.
De uitdaging: dit is een zwaar gereguleerde omgeving. Je gooit hier niet zomaar een tool de boel in. Compliance is geen bijzaak, het is de fundering waarop elke beslissing rust. Governance eerst, dan pas tools en pilots.
Dus starten we waar we altijd starten: met de vraag. Waar staat dit team nu als het om AI gaat? Welke use cases bieden het meeste perspectief? En hoe bouw je een routekaart die stand houdt onder juridisch en bestuurlijk toezicht?
Fase 1: een AI-volwassenheidsscan gecombineerd met gestructureerde use case prioritering. Het contract is vorige week getekend. Gisteren zijn de eerste interviews gestart.
Dit is precies hoe goed werk begint. Niet met tools. Niet met pilots. Met de juiste vragen.
Hoe nu verder?
Drie projecten. Drie verschillende fases. Eén levert al meetbare resultaten en schaalt op. Eén loopt op twee sporen tegelijk. Eén is net van de grond.
Zo werkt AI-adoptie in de praktijk. Geen grote transformatie op één moment. Wel een reeks eerlijke gesprekken, slimme keuzes en snelle bouwsels die bij elkaar optellen.
Herkent u uw organisatie in een van deze verhalen? Dan praten we graag. Niet om te pitchen. Gewoon om te begrijpen waar het bij u pijn doet.