Zesenveertig juridische vragen beantwoord. Gemiddelde responstijd: twee minuten. Gebruikerstevredenheid: 4,2 van de 5. Bij twee vragen was verdere opvolging door een medewerker nodig - dus stelde ze een target in om dat aantal nog lager te krijgen.
Een jaar geleden zou dit een gimmick hebben geleken. Nu is het gewoon een dinsdag.
We bouwen AI-software. Dus moesten we het eerst op onszelf bewijzen.
Ultimo maakt AI-versterkte Enterprise Asset Management-software (EAM) voor industriële bedrijven — fabrikanten, logistieke bedrijven, asset-intensieve bedrijfstakken die meer uit hun installaties en hun mensen willen halen. We hadden onze klanten altijd verteld dat AI hun werkprocessen ingrijpend zou veranderen. Dat hun teams versterkt zouden worden, niet vervangen. Dat het tijd was om de stap te maken.
Op een gegeven moment moet je zelf bereid zijn de eerste stap zetten.
Vorig jaar stelde onze CEO een duidelijk mandaat: volledige AI-transformatie in elke afdeling tegen eind 2025. Geen pilotprogramma. Geen proof of concept in een sandbox. Echte uitvoering, echte verantwoordelijkheid, echte resultaten. We hebben een AI Transformation Lead aangenomen, een goed budget toegewezen en het project de nodige tijd gegeven.
Wat er daarna gebeurde verraste ons.
Wat alles heeft veranderd was niet de technologie.
In het begin bouwden we AI-assistenten die vragen konden afhandelen en taken konden automatiseren. Ze werkten. Mensen gebruikten ze af en toe. Maar niemand was bijzonder enthousiast en de impact was gering.
Het probleem was niet wat we hadden gebouwd. Het probleem was dat niemand eigenaar was.
Wie loste het op wanneer de tool een slecht antwoord gaf? Wie drong erop aan als het meer kon doen? Het eerlijke antwoord was meestal: niemand. En tools zonder eigenaren verbeteren niet, ze stagneren.
En dus wijzigden we het model compleet. We stopten met het behandelen van AI als technologie die we inzetten en startten met het behandelen ervan als mensen die we aannemen.
Hunter, onze agent voor accountplanning, heeft een profielfoto. Een functietitel. Een plek in het organigram. Hij rapporteert aan onze Sales Director, die maandelijks zijn prestaties beoordeelt, feedback verzamelt van de collega's die met hem werken, en beslissingen neemt over of hij meer complex werk moet gaan doen of dat zijn kennisbank een update nodig heeft.
Hetzelfde geldt voor Harry in HR. IT-Cathy in IT-ondersteuning. MAX in marketing. Contract IQ in juridische zaken. Elk van hen heeft een manager. Elke manager is verantwoordelijk voor resultaten.
We merkten de verandering in taal bijna onmiddellijk op. Mensen hielden op met zeggen "Ik heb de AI tool gebruikt" en begonnen te zeggen "Ik heb het aan Harry gevraagd" of "Hunter heeft dat accountplan samengesteld." Dat klinkt als iets kleins. Maar dat is het niet. Die verschuiving is wat incidenteel gebruik verandert in een dagelijkse gewoonte.
Cijfers van maand één, zonder opsmuk.
Hunter heeft 333 plannen voor accounts gemaakt. Vóór Hunter kostte elk plan een verkoper tien tot twaalf uur - het onderzoeken van de prospect, het mappen van hun sector, het afstemmen van de pitch, het bouwen van de materialen. Hunter doet het in minuten. Dat is 3.500 uur terug naar het verkoopteam in één maand.
Harry beantwoordde 229 vragen van medewerkers over beleid, arbeidsvoorwaarden, onkosten en verlofprocedures. Ons HR-team van drie personen moest deze vroeger constant zelf afhandelen; nu hebben ze 20 uur terug voor het werk dat ze eigenlijk willen doen. IT-Cathy behandelde 47 supportvragen, wat 10 uur bespaarde. MAX bouwde acht complete account-based marketingcampagnes, wat 160 uur aan copywriting en plannen bespaarde. Contract IQ's 10 uur brachten het totaal op 3.720 uur bespaard binnen de organisatie in maand één.
Maar dit zijn niet de cijfers die mij het meest bijblijven. Het is zien hoe onze verkoopmedewerkers 's avonds stoppen met werken. Het is zien hoe HR eindelijk de onboardingervaring herontwerpt waar ze al twee jaar mee bezig wilden. Het is juridisch de ruimte hebben om te focussen op strategische partnerschapsonderhandelingen in plaats van repetitieve vragen te beantwoorden.
De uren zijn echt. Wat mensen ermee doen is de werkelijke transformatie.
Drie fouten om te vermijden
Eén: neem geen AI-engineer aan als je eerste stap. Neem iemand aan die bedrijfsprocessen begrijpt - iemand die twee maanden zal besteden aan het praten met afdelingshoofden, het in kaart brengen van workflows, en het vinden van waar kennis vastloopt en waar dezelfde vragen steeds opnieuw worden gesteld. De technologie is het makkelijke deel. Weten wat je moet bouwen is moeilijker.
Twee: sla governance niet over omdat het traag aanvoelt. We hebben drie maanden besteed aan het opbouwen van een ethische commissie voor AI, het integreren van AI-voorvechters in elk team en het bieden van goede trainingen voordat we de implementatie opschaalden. Het voelde als een eeuwigheid. Maar toen er vragen over gegevensprivacy kwamen, hadden we duidelijke richtlijnen. Toen teams tegen obstakels aanliepen, hadden we mensen die konden helpen. De organisaties die nu worstelen met AI zijn meestal degenen die deze stap hebben overgeslagen.
Drie: maak AI niet optioneel. We probeerden onze agents te positioneren als nuttige tools die mensen konden gebruiken als ze dat wilden. De adoptie was matig. Op het moment dat we de standaard omdraaiden - Hunter maakt het eerste concept van elk accountplan, Harry is de eerste stop voor HR-vragen - veranderde alles. De vraag verschoof van "moeten we AI hiervoor gebruiken?" naar "waarom zouden we dat niet doen?"
Wat we nog aan het uitzoeken zijn.
We zijn nu vijf maanden verder. Twintig van de zeventig geplande agents zijn live. Het zware werk - prestaties verfijnen, mogelijkheden uitbreiden, wijzigingen beheren terwijl workflows evolueren - ligt grotendeels nog voor ons.
Volgend kwartaal gaan we de NPS van medewerkers meten met betrekking tot het nut van AI, met als target een score boven de acht. Dat zal ons vertellen of onze mensen echt waarde hechten aan het werken met deze agents of dat ze ze alleen maar tolereren. Dat onderscheid is belangrijk.
Wat nu al duidelijk is, is dat de organisaties die nu al stappen maken een aanzienlijk voordeel zullen hebben ten opzichte van degenen die nog aan het overleggen zijn. Niet omdat de technologie magisch is - dat is het niet - maar omdat de leercurve echt is, de organisatorische spieren tijd nodig hebben om op te bouwen, en er geen kortere weg is.
We verkopen AI-versterkte software. We waren het aan onze klanten verplicht om eerst te bewijzen dat het bij onszelf werkt.
Nu kunnen we dat.
