Bespaarde AI-uren zijn nog geen resultaat: volg wat je ermee doet

Inleiding

Dit artikel is met ondersteuning van AI opgesteld. BAETER is verantwoordelijk voor de publicatie.

“We besparen tijd met AI” is een veelgehoorde conclusie. Vaak klopt die ook. Maar voor een bedrijf is een bespaard uur geen eindpunt. Het is capaciteit die nog ergens naartoe moet: naar een snellere klantreactie, een betere controle, meer omzetkansen, minder herstelwerk of simpelweg een realistischer werkdruk.

Dat verschil lijkt klein, maar bepaalt of een pilot een leuke toolervaring wordt of een aantoonbare verbetering. Wie alleen vraagt hoeveel minuten een medewerker minder kwijt is, meet de versneller. Wie ook volgt wat er daarna met die tijd gebeurt, meet het proces.

De Europese Centrale Bank (ECB) liet op 26 augustus zien waarom dat onderscheid nodig is. In een enquête onder werkenden in elf eurolanden rapporteerden AI-gebruikers mediaan drie uur tijdwinst per week. De ECB benadrukt tegelijk dat die tijdwinst pas bijdraagt aan productiviteit wanneer vrijgespeelde uren worden omgezet in extra output. Dat is geen detail voor economen; het is een nuttige vraag voor ieder team dat met AI begint.

Tijdwinst kan vier kanten op

Neem een fictief voorbeeld: een binnendienst gebruikt AI om inkomende aanvragen samen te vatten en eerste conceptantwoorden te maken. Per persoon ontstaat er twintig minuten ruimte per dag. Wat betekent dat?

Dat hangt af van wat er vervolgens gebeurt. De tijd kan verdwijnen in wachten, worden opgegeten door extra controles, leiden tot meer afgehandelde aanvragen of ruimte maken voor de lastige klantvragen die eerder bleven liggen. Een tooldashboard laat niet vanzelf zien welke van deze effecten werkelijk optreden.

Maak daarom vóór een pilot één concrete keuze: welk gevolg van de tijdwinst willen we binnen dit proces zien? Kies er één voor de eerste zes weken.

• Sneller helpen: doorlooptijd en het aandeel vragen dat binnen de beloofde termijn antwoord krijgt
• Betere kwaliteit: aantal correctierondes, klachten of onvolledige dossiers
• Meer commerciële ruimte: opgevolgde leads, afspraken of tijd voor een inhoudelijk voorstel
• Minder werkdruk: piekbelasting, overwerk of de achterstand aan het einde van de dag

Dit is geen pleidooi om alles tegelijk te meten. Eén gekozen effect en een eenvoudige nulmeting zijn vaak genoeg om het gesprek beter te maken.

Persoonlijke productiviteit is niet hetzelfde als bedrijfsrendement

Het recente mondiale onderzoek van McKinsey laat dezelfde spanning zien. Tachtig procent van de respondenten zegt dat AI de eigen productiviteit heeft verbeterd, terwijl 37 procent op ondernemingsniveau enige invloed op het bedrijfsresultaat rapporteert. Die cijfers zijn zelfrapportages uit een onderzoek, geen onafhankelijke meting van ieder bedrijf. Toch is de richting belangrijk: individuele vooruitgang en zakelijk resultaat lopen niet automatisch gelijk op.

De verleiding is groot om het verschil met een extra training of een krachtiger model te willen oplossen. Soms is dat nuttig. De volgende stap kan ook zitten in de werkwijze rondom de tool. Wordt de vrijgekomen tijd bewust verdeeld? Mag een medewerker die gebruiken voor een grondigere klantcontrole? Kan de planner eindelijk afwijkingen nalopen? Of blijft de taakverdeling onveranderd en krijgt iedereen alleen meer losse verzoeken op zijn bord?

Een AI-toepassing maakt een proces niet vanzelf beter georganiseerd. Hij maakt juist zichtbaar waar het proces al wel of niet klaar is om capaciteit goed te gebruiken.

De eenvoudige capaciteitstest

Voer na twee weken gebruik een korte capaciteitstest uit. Geen uitgebreid ROI-model, maar een teamgesprek met bewijs uit de normale werkweek.

1. Kies één afgebakende taak waarin AI aantoonbaar tijd scheelt.
2. Noteer een eenvoudige beginsituatie: bijvoorbeeld gemiddelde afhandeltijd, openstaande aanvragen of aantal herstelrondes.
3. Wijs de vrijkomende tijd bewust toe aan één vervolgactie.
4. Volg twee weken of die vervolgactie werkelijk plaatsvindt.
5. Vergelijk het procesresultaat met de beginsituatie en bespreek onverwacht herstelwerk eerlijk.

Neem de fictieve binnendienst. Het team kiest niet voor “twintig minuten per medewerker besparen”, maar voor “alle complexe aanvragen dezelfde dag inhoudelijk beoordelen”. De AI maakt de eerste sortering sneller. Een medewerker gebruikt de vrijgekomen tijd voor de moeilijke dossiers. Na twee weken blijkt misschien dat de doorlooptijd echt daalt. Maar het kan ook blijken dat conceptantwoorden vaker aangepast moeten worden en de winst kleiner is dan gedacht. Beide uitkomsten zijn waardevol: ze voorkomen dat een ruwe schatting wordt verkocht als bewezen resultaat.

Kijk ook naar de mensen die niet meedoen

Een procesverbetering is zwakker wanneer hij alleen werkt voor de enthousiastste gebruikers. De ECB signaleert duidelijke verschillen in AI-gebruik naar leeftijd en opleidingsniveau. Eurostat laat in zijn editie 2026 bovendien zien dat AI-gebruik tussen Europese ondernemingen en landen uiteenloopt. Zulke cijfers verklaren niet wat er in jouw organisatie gebeurt, maar ze zijn een bruikbare waarschuwing: “gemiddeld gebruik” kan belangrijke verschillen binnen een team verbergen.

Vraag dus niet alleen wie sneller werkt met AI. Vraag ook wie de output moet controleren, wie geen toegang heeft, wie een klantcontext moet terugzoeken en wie door de nieuwe werkwijze extra werk krijgt. Soms is de beste verbetering een kortere instructie, een gedeelde kennisbron of een duidelijker moment waarop een mens het werk overneemt. Beter verdeeld werk kan dan meer opleveren dan extra AI-gebruik.

Maak de businesscase klein genoeg om waar te zijn

Een kleine, eerlijke businesscase bevat vier regels:

• de taak waarop AI wordt gebruikt;
• de verwachte tijdwinst of kwaliteitsverbetering;
• de gekozen bestemming van de vrijgespeelde capaciteit; en
• één procesmaat die laat zien of die bestemming is bereikt.

Voeg daar ook de kosten van controle, begeleiding en gebruik aan toe. McKinsey meldde dat ongeveer één op de vijf respondenten AI-gebruik beperkt zag door operationele kosten, waaronder tokenkosten. Dat cijfer is geen prijsvoorspelling voor een individuele leverancier. Het herinnert wel aan iets praktisch: een uur tijdwinst is niet hetzelfde als een uur netto voordeel wanneer er nieuwe controle-, licentie- of implementatiewerkzaamheden tegenover staan.

De Federal Reserve Bank of New York schreef op 1 september over bedrijven die AI vooral gebruiken om werk te veranderen, niet alleen om banen te schrappen. Die regionale Amerikaanse bevinding kun je niet rechtstreeks vertalen naar een Nederlands mkb-bedrijf. De onderliggende vraag is hier wel relevant: welk werk wordt beter, anders of mogelijk gemaakt door de ruimte die ontstaat?

Begin met één zichtbare belofte

Kies deze week één AI-taak die al regelmatig wordt gebruikt. Schrijf er één zin bij: Als dit goed werkt, kunnen wij de vrijgespeelde tijd inzetten om … Vul geen vaag “efficiënter werken” in, maar een zichtbare belofte aan klant, team of proces.

Meet daarna bescheiden. Niet om iedere minuut te verantwoorden, maar om te ontdekken of de versnelling ergens landt. Als dat nog niet zo is, is de pilot niet mislukt. Dan kun je onderzoeken of de volgende verbetering zit in de prompt, de controle of het werk dat daarna gebeurt.

Dat is een gezondere manier om AI te beoordelen. Niet: “Hoeveel tijd haalt de tool uit een taak?” Maar: “Welk beter werk kunnen wij met die tijd nu daadwerkelijk doen?”

Wilt u scherper krijgen waar AI in uw organisatie waarde kan toevoegen? Neem één terugkerende taak en het gewenste resultaat mee naar een vrijblijvende AI-kansen sessie met BAETER. Dan kunt u gericht bespreken welke proef past bij uw werk.