AI implementeren in je bedrijf lukt niet door het top-down op te leggen. Ook niet met goede guidance en training erbij — zelfs dan is succes geen garantie. Wat in mijn ervaring wél werkt: laat enthousiaste collega's een pilot starten met goedkeuring en support van het management, en gebruik die pilot om te leren hoe AI in júllie praktijk werkt. In dit artikel deel ik hoe ik dat zelf heb aangepakt bij een grote onderwijsorganisatie waar ik in het marketingteam zat — inclusief de presentaties die ik daar gebruikte, gratis te downloaden.

Casus: van "alleen Copilot mag" naar een Claude-pilot

De situatie: het marketingteam werkte met Copilot en af en toe met een gratis ChatGPT-account. Officieel was het beleid dat alleen Copilot mocht — er lag een Microsoft-licentie en qua veiligheid leek dat de veilige keuze. Maar het team had goede verhalen gehoord over Claude en er was een sterke wens om daarmee te gaan testen. (Hoe die vergelijking uitpakte, lees je in Claude vs ChatGPT.)

Omdat ik al veel ervaring had met AI en met Claude, werd mij gevraagd om te kijken of een pilot te regelen viel. Wat ik deed: eerst met de IT-manager om tafel om te horen wat de bezwaren precies waren, daarna kort afgestemd met de CEO of daar nog issues lagen. Daar kwam groen licht uit om met het hele team te testen — vijf mensen, plus een gedeeld account voor collega's die er naar verwachting weinig gebruik van zouden maken.

Let op wat hier gebeurde: de pilot kwam níét van bovenaf. De wens kwam uit het team zelf, en het management gaf ruimte. Dat is precies de volgorde die werkt.

De kick-off: framing is alles

Ik trapte de pilot af met een kick-off presentatie. Het belangrijkste doel daarvan was niet knopjes uitleggen, maar framing: AI neerzetten als een heel handig hulpmiddel — en nadrukkelijk níét als iets dat je werk gaat vervangen. Twee praktische tips uit die kick-off die direct verschil maken:

Zet custom instructions aan en zet daarin dat je accuraatheid boven bevestiging wilt. Dit helpt om hallucinaties te verminderen — en check daarnaast áltijd je output.
Zie AI als een hele slimme stagiair die razendsnel werkt, maar wel goed geïnstrueerd moet worden. Daarover hieronder meer.

Na de kick-off heb ik het team vooral lekker hun gang laten gaan. Wel plande ik terugkomsessies waarin collega's vertelden hoe ze het ervaarden en goede voorbeelden deelden. Dat bleek de motor van alles wat daarna kwam.

De olievlek-strategie: adoptie groeit in de wandelgangen

Wat de pilot echt liet slagen was niet de training — het was het enthousiasme waarmee collega's elkaar aanstaken. Niet alleen tijdens de terugkomsessies, maar juist tussendoor: "Claude heeft me vandaag zó goed geholpen" of een presentatie waar anderen van onder de indruk waren. Die momenten zijn goud waard. Als je merkt dat wat je met AI maakt indruk maakt op collega's, weet je dat het werkt.

En omdat het marketingteam zo enthousiast was, hoorden andere teams dat ook. Zo breidde het gebruik zich langzaam uit — organisch, van team naar team. Dat is de olievlek-strategie: één team dat AI in de praktijk gebruikt, er aantoonbaar waarde uit haalt en dat deelt in de (digitale) wandelgangen. Geen uitrolplan, geen verplichte e-learning. Gewoon collega's die elkaar overtuigen met echte resultaten.

Het helpt daarbij enorm als één iemand al ervaring heeft met AI-tooling en de valkuilen kent. Die persoon krijgt het team sneller op niveau en zorgt dat de output direct beter is — waardoor de olievlek ook echt iets heeft om zich over te verspreiden.

De slimme stagiair: zo neem je weerstand weg

De metafoor die ik in elke kick-off gebruik: AI is een hele slimme stagiair. Snel, kundig, maar je moet wel goed uitleggen wat hij moet doen — en zijn werk controleren. Deze framing doet twee dingen tegelijk. Ze zet mensen in de juiste werkhouding (instrueren en checken in plaats van blind vertrouwen), én ze neemt angst weg bij collega's die vrezen dat AI hun taken overneemt.

Dat laatste speelt het sterkst bij functies waar schrijven een hoofdonderdeel van het werk is. Juist daar werkt de stagiair-framing: je hebt een slimme assistent die teksten aanscherpt, checkt of een tekst lekker loopt, en herschrijft voor andere platforms. Maar die je ook helpt om scherp te krijgen welke vragen je gaat stellen in een interview, of die kritisch meedenkt als sparringpartner. Zo laat je mensen er zelf mee spelen in plaats van dat ze het als bedreiging zien — en dat is uiteindelijk de beste manier.

Ook creatives gaan om: de designer-casus

Mijn aanname is dat veel creatives het idee hebben dat AI niet creatief kan zijn en hun werk niet kan doen — en juist bij die functies verwacht je dus de meeste weerstand. Toch zie ik in dezelfde organisatie de adoptie inmiddels ook groeien bij onze designer, met Claude Design. En ook dít ging organisch: het werd niet opgelegd, maar geïnitieerd door een collega die zelf al enthousiast met AI bezig was.

Op mijn advies stak hij die eerste meeting slim in: niet beginnen over "AI kan ook ontwerpen", maar samen kijken naar klussen die repeterend zijn — werk dat niet per se leuk is, maar wel gedaan moet worden. Denk aan een designer die een creatief ontwerp maakt voor een campagne, en daarna datzelfde ontwerp moet omzetten naar banners in tien verschillende formaten. In de kern is dat geen creatief werk maar productiewerk. Laat AI dát oppakken, en er ontstaat juist méér ruimte om echt creatief te zijn.

De les voor je eigen implementatie: begin bij functies met verwachte weerstand nooit bij het hart van hun vak, maar bij het werk waar ze zelf graag vanaf willen. De rest volgt vanzelf.

Als de adoptie groeit: token management wordt een ding

Een groeipijn waar weinig implementatieplannen rekening mee houden: hoe meer mensen met AI aan de slag gaan, hoe vaker je tegen gebruikslimieten aanloopt — of tegen oplopende kosten als je per gebruik betaalt. Ook dit is praktijk: een collega die net met Claude is gestart, werkt aan een project met veel grote bestanden en zit daardoor regelmatig tegen haar sessielimiet aan.

De reflex is dan snel: een zwaarder (en duurder) abonnement regelen. Mijn aanpak is een escalatieladder. Eerst een setje praktische tips om mee aan de slag te gaan, dan een tijdje kijken hoe het gaat. Loopt ze er dan nóg tegenaan, dan doen we een meekijksessie — en pas daarna kijken we of een premium seat echt nodig is. De goedkoopste upgrade is meestal slimmer gebruik. De tips die ik haar gaf:

Start vaker een nieuw gesprek. Dit is de grootste winst: bij elk bericht wordt de hele voorgaande conversatie opnieuw meegestuurd en meegeteld. Een lang gesprek "kost" per nieuw bericht dus steeds meer. Nieuw onderwerp = nieuwe chat, en context uit de oude chat neem je mee via een korte samenvatting.
Plan je vraag vooraf. Bundel gerelateerde vragen in één bericht, geef de context en data direct mee, en formuleer scherp — dat voorkomt heen-en-weer-berichten. En moet je iets corrigeren? Bewerk dan je vorige bericht in plaats van een correctie eronder te sturen; dan groeit het gesprek niet.
Zet terugkerende documenten in een project. Projectkennis wordt gecached en telt bij hergebruik niet steeds opnieuw mee; bovendien laadt een project via retrieval alleen de relevante stukken per vraag. Dus niet elke chat dezelfde briefing plakken, maar één keer in het project zetten — en ruim bestanden op die je niet meer gebruikt.
Zet features bewust aan of uit. Extended thinking uit als een taak geen uitgebreide redenering vraagt, en beperk tools en connectors die je niet gebruikt — die zijn token-intensief.
Kies het juiste model per taak. Het zwaarste model voor een simpele vraag is zonde van je limiet. Routinewerk kan prima op een lichter model; bewaar het topmodel voor het werk dat erom vraagt.

Voor grotere klussen valt er nog een slag te maken: laat het topmodel het strategische denk- en planwerk doen, laat het een overdrachtsdocument schrijven, en laat een lichter model de uitvoering oppakken. Zo betaal je het dure denkwerk één keer in plaats van bij elke stap. Neem het mee in je implementatieplan: wie houdt het gebruik in de gaten, en wie helpt collega's slimmer werken vóórdat er seats bijgekocht worden? (Wat die abonnementen kosten, lees je in mijn overzicht van Claude-abonnementen.)

Alle tips — inclusief het planner/worker-recept met voorbeeldprompts — heb ik samengevat in een spiekbriefje van twee A4'tjes dat je zo aan je team kunt geven: download het token management-spiekbriefje (PDF).

Verbieden werkt niet: het schaduw-AI-probleem

Wat gebeurt er bij organisaties die AI buiten de deur proberen te houden? Precies wat je verwacht: medewerkers gebruiken het tóch, maar dan zonder toestemming, zonder afspraken en zonder zicht op wat er met bedrijfsdata gebeurt. Dit schaduw-AI-gebruik zie je op veel plekken. Een gecontroleerde pilot met duidelijke afspraken is dan ook niet alleen de snellere route naar adoptie — het is ook de veiligere. En daarvoor is management buy-in onmisbaar. Zonder steun van boven gaat het gewoon niet werken; met alléén een opdracht van boven ook niet.

Geen AI-expert in huis — consultant inhuren?

Eerlijk antwoord: daar is geen eenduidig antwoord op. Een consultant of freelancer kan zeker helpen om te inspireren en de eerste interesse aan te wakkeren. Maar uiteindelijk moet adoptie het bedrijf zelf dragen — je kunt enthousiasme niet outsourcen. Bij AI geldt "onbekend maakt onbemind": mensen moeten er zelf mee werken om de waarde te zien.

Tegelijk gaan de ontwikkelingen zó snel dat wat vorige maand nieuw was, nu alweer verouderd is. Dáár is een AI-expert — in-house of ingehuurd — blijvend nuttig: de nieuwe mogelijkheden laten zien en het bedrijf verder blijven inspireren, in plaats van eenmalig een training draaien en vertrekken.

Zo start je zelf een AI-pilot

Vind de enthousiastelingen — start waar de wens al leeft, niet waar het organogram zegt dat het moet.
Regel management buy-in — bespreek bezwaren met IT, stem af met de directie, en maak afspraken over datagebruik.
Doe een kick-off met de juiste framing — handig hulpmiddel, slimme stagiair, output altijd checken, custom instructions aan.
Laat het team los — maar plan terugkomsessies waarin ervaringen en goede voorbeelden gedeeld worden.
Voed de olievlek — zorg dat successen zichtbaar zijn buiten het team, en laat de vraag uit andere teams organisch ontstaan.

Download: mijn kick-off presentaties

De twee presentaties die ik bij deze pilot gebruikte, kun je hieronder gratis downloaden en vrij gebruiken voor je eigen kick-off:

Claude kick-off presentatie (PDF) — de introductie waarmee ik het team op weg hielp: framing, spelregels en eerste use-cases
Claude tips & tricks (PDF) — de verdieping voor wie al begonnen is: betere prompts en slimmer gebruik
Token management-spiekbriefje (PDF) — 7 gewoontes die je AI-limiet sparen, inclusief het planner/worker-recept

Werk je niet met Claude maar met een andere AI-tool? De aanpak en framing werken hetzelfde. Twijfel je welke tool past bij jouw bedrijf, lees dan mijn overzicht van AI-tools of wat een Claude-abonnement kost.

Eén kanttekening tot slot: succesvolle adoptie betekent ook dat het wérk verandert — en dat vraagt wat van je mensen. Daarover schreef ik een apart artikel over wat werken met AI met je hoofd doet.

Hulp nodig bij het opstarten van AI in jouw organisatie — van pilot tot kick-off? Neem contact op.

AI implementeren in je bedrijf: waarom top-down niet werkt