AI op de werkvloer: wat kan elke afdeling ermee? (2026)

HR wil AI voor CV-screening, marketing experimenteert met campagnes, en de klantenservice hoort van een concurrent dat die al 60% van de tickets automatiseert. Als teamlead moet je nu kiezen: waar begint jouw afdeling, en hoe voorkom je dat het bedrijf straks zes losse AI-experimenten heeft die niets met elkaar te maken hebben?

Dit artikel geeft dat overzicht. Per afdeling: wat werkt er al, wat is de eerste taak om mee te starten, en welke regels gelden er. Daarna de valkuil die de meeste bedrijven fataal wordt, en hoe je die vermijdt.

De #1 faalmodus: overal tegelijk beginnen, zonder eigenaar

Dit is waar het meestal misgaat. Niet omdat AI niet werkt, maar omdat elke afdeling los van elkaar experimenteert. HR probeert een tool voor vacatureteksten, marketing test een andere voor social posts, sales gebruikt weer een derde voor lead scoring. Niemand deelt wat werkt. Niemand houdt bij welke bedrijfsdata waar terechtkomt. En na een half jaar heb je vijf halve pilots en geen aantoonbaar resultaat.

Dat is geen aanname. MIT's NANDA-onderzoek analyseerde 300 AI-projecten bij bedrijven en vond dat 95% geen meetbaar effect op de winst had. De oorzaak was zelden de kwaliteit van het AI-model. Het probleem was dat de tool nooit echt onderdeel werd van het werkproces: mensen gebruikten hem een paar keer en vielen terug op de oude manier. McKinsey's State of AI-onderzoek bevestigt het patroon op grotere schaal: 88% van de organisaties gebruikt AI ergens in het bedrijf, maar slechts 33% is voorbij de losse pilotfase gekomen.

Waar begint jouw bedrijf?

Kies de afdeling met de meeste herhaling en de grootste personeelsdruk, niet de afdeling die toevallig het hardst om AI vraagt. Twee vragen helpen:

1. •Waar gaat nu de meeste tijd op aan repetitief werk? Rapportages, CV's screenen, tickets beantwoorden, offertes schrijven: dat is waar AI het snelst tijd teruggeeft.
2. •Waar is het risico bij een fout klein en herstelbaar? Een AI-conceptmail die een medewerker nog checkt is veilig. Een AI-agent die zelf een sollicitant afwijst zonder controle, niet.

Hieronder staat per afdeling wat daar al werkt, met een link naar de volledige uitwerking.

HR: van CV-screening tot onboarding

43% van de HR-afdelingen gebruikt inmiddels AI, bijna een verdubbeling in één jaar volgens SHRM's onderzoek onder ruim tweeduizend HR-professionals. De populairste toepassing is vacatureteksten schrijven, gevolgd door CV-screening. Let op: AI in werving en selectie valt onder de hoog-risico-categorie van de EU AI Act, met verplichtingen rond menselijk toezicht en biascontrole.

→ Volledige gids: AI voor HR: werving, onboarding en ontwikkeling. Direct aan de slag: AI-prompts voor HR.

Finance: rapportages sneller, zonder in te leveren op nauwkeurigheid

38% van de Nederlandse finance-afdelingen gebruikt AI, wereldwijd is dat 71%, blijkt uit onderzoek van KPMG Nederland. Nederland loopt achter, wat betekent dat je met een goede eerste toepassing al voorloopt op veel branchegenoten. De meeste winst zit in kwartaalrapportages en management-samenvattingen: AI vat cijfers samen, een controller blijft verantwoordelijk voor de getallen zelf.

→ Volledige gids: AI voor finance: rapportages en analyse automatiseren. Direct aan de slag: AI-prompts voor finance.

Marketing: van tekstjes genereren naar meetbare strategie

96% van de Nederlandse en Belgische marketeers gebruikt al AI, meldt marktonderzoek van DataDream. Toch ziet bijna een kwart geen meetbare ROI. Het verschil zit niet in de tool, maar in of AI wordt ingezet voor een doordachte workflow (personalisatie, campagnedata) of alleen voor losse tekstjes.

→ Volledige gids: AI in marketing: de beste tips voor 2026. Direct aan de slag: AI-prompts voor marketing.

Sales: lead scoring en account-onderzoek, geen robotmails

87% van de salesorganisaties gebruikt AI, maar Gartner waarschuwt dat slechts een derde daadwerkelijk productiever wordt. De winnende toepassingen zijn lead scoring en accountonderzoek vóór een gesprek, niet generieke outreach-mails die een prospect binnen drie seconden herkent en negeert.

→ Volledige gids: 10 tips voor AI in sales. Direct aan de slag: AI-prompts voor sales.

Klantenservice: van standaardvragen naar snellere antwoorden

Energieleverancier Octopus Energy laat AI al 44% van alle klantvragen volledig automatisch afhandelen, het equivalent van 250 medewerkers, met een gestegen klanttevredenheid omdat mensen sneller antwoord krijgen. Voor Nederlandse bedrijven is 70% automatisering van standaardvragen realistisch zodra je begint bij de meest gestelde vragen.

→ Volledige gids: AI voor klantenservice: tot 70% van je tickets automatiseren.

Development: van losse Copilot-licenties naar een proces

Vrijwel elke developer gebruikt inmiddels een AI-codeertool, maar het DORA-onderzoek van Google Cloud laat zien dat de teamwinst vaak uitblijft zolang er geen proces achter zit: code-review, kennis borgen, meten wat het oplevert. Losse licenties zijn geen strategie.

→ Volledige gids: AI integreren in softwareontwikkeling. Direct aan de slag: AI-prompts voor code.

Hoe je dit organisatie-breed aanpakt zonder chaos

Zodra de eerste afdeling resultaat laat zien, komt de volgende vraag: hoe voorkom je dat afdeling twee tot en met zes weer helemaal opnieuw beginnen met hun eigen tools en hun eigen fouten? De aanpak die werkt: één afdeling bewijst het eerst, daarna krijgt elke afdeling een eigen aanspreekpunt (een collega die de nieuwe werkwijze kent en anderen op weg helpt) in plaats van een centraal IT-project dat maanden duurt. Zo blijft AI-gebruik zichtbaar in plaats van shadow AI: losse, ongecontroleerde accounts waar niemand zicht op heeft welke bedrijfsdata erin verdwijnt.

1. Kies één afdeling en één taak

   Niet de afdeling die het hardst roept, maar de afdeling met de meeste herhaling en het minste risico bij een foute output.

2. Meet het verschil, zwart op wit

   Hoeveel tijd kostte de taak vorige maand, hoeveel nu? Dat cijfer overtuigt de rest van het bedrijf, geen enthousiast verhaal.

3. Wijs per afdeling een aanspreekpunt aan

   Geen los IT-project, maar een collega per afdeling die de werkwijze kent en vragen van anderen opvangt.

4. Bouw pas daarna de volgende afdeling uit

   Herhaal de eerste twee stappen. Elke volgende afdeling gaat sneller, omdat je al weet wat werkt en wat niet.

Wil je dit met je hele team in één keer goed opzetten, inclusief afspraken en een gezamenlijk kader in plaats van zes losse experimenten? In de AI als Teamsport training leer je hoe je AI organisatie-breed uitrolt zonder dat elke afdeling het wiel opnieuw uitvindt. Twijfel je nog waar je moet beginnen, plan een vrijblijvend gesprek.

Veelgestelde vragen

Waar begin je met AI in je bedrijf?

Bij de afdeling met de meeste herhaling in het werk en de grootste personeelsdruk, niet bij de afdeling die het hardst om AI vraagt. Kies daar één taak, meet het verschil, en gebruik dat bewijs om de volgende afdeling mee te krijgen. Begin nooit bij vijf afdelingen tegelijk: dat is precies waarom 95% van de AI-pilots geen meetbaar resultaat oplevert.

Wat is AI op de werkvloer precies?

AI op de werkvloer betekent dat medewerkers AI-tools zoals ChatGPT of Claude gebruiken binnen hun dagelijkse taken: een rapportage samenvatten, een vacaturetekst schrijven, een klantvraag beantwoorden. Het draait niet om één grote tool voor het hele bedrijf, maar om AI die per afdeling is toegesneden op het werk dat daar al gebeurt.

Welke afdeling heeft de meeste winst met AI?

Dat verschilt per bedrijf, maar klantenservice en finance laten de duidelijkste cijfers zien: tot 70% van standaardtickets automatiseerbaar, en rapportages die uren sneller klaar zijn. HR en marketing hebben de hoogste adoptie, maar daar is het verschil tussen wel en geen meetbare winst het grootst.

Moet elke afdeling dezelfde AI-tools gebruiken?

Niet per se dezelfde tool, wel dezelfde spelregels: een zakelijk account met verwerkersovereenkomst, duidelijkheid over welke data wel en niet in een AI-tool mag, en één aanspreekpunt per afdeling. Losse persoonlijke accounts zonder afspraken zijn shadow AI en daar verlies je het overzicht.

Wat is de grootste valkuil als je AI per afdeling wilt invoeren?

Alle afdelingen tegelijk laten experimenteren zonder dat iemand de regie voert. Dat levert vijf halve pilots op in plaats van één bewezen succes. MIT vond dat dit de belangrijkste reden is waarom AI-projecten geen meetbaar resultaat opleveren: de tool wordt nooit echt onderdeel van het werkproces omdat niemand het proces daadwerkelijk aanpast.

Bronnen

• •MIT NANDA / Fortune: MIT report finds 95% of generative AI pilots at companies are failing
• •McKinsey: The State of AI in 2025
• •SHRM: The Role of AI in HR Continues to Expand
• •KPMG Nederland: AI in opmars bij corporate finance afdelingen
• •DataDream: AI Marketing in the Netherlands
• •Gartner: Predicts 2026: Leading Sales in the Age of AI
• •AIMultiple: ChatGPT for Customer Service (Octopus Energy)
• •DORA / Google Cloud: 2025 State of AI-assisted Software Development

Veelgestelde vragen

Waar begin je met AI in je bedrijf?

Bij de afdeling met de meeste herhaling in het werk en de grootste personeelsdruk, niet bij de afdeling die het hardst om AI vraagt. Kies daar één taak, meet het verschil, en gebruik dat bewijs om de volgende afdeling mee te krijgen. Begin nooit bij vijf afdelingen tegelijk: dat is precies waarom 95% van de AI-pilots volgens MIT-onderzoek geen meetbaar resultaat oplevert.

Wat is AI op de werkvloer precies?

AI op de werkvloer betekent dat medewerkers AI-tools zoals ChatGPT of Claude gebruiken binnen hun dagelijkse taken: een rapportage samenvatten, een vacaturetekst schrijven, een klantvraag beantwoorden. Het draait niet om één grote tool voor het hele bedrijf, maar om AI die per afdeling is toegesneden op het werk dat daar al gebeurt.

Welke afdeling heeft de meeste winst met AI?

Dat verschilt per bedrijf, maar klantenservice en finance laten de duidelijkste cijfers zien: tot 70% van standaardtickets automatiseerbaar, en rapportages die uren sneller klaar zijn. HR en marketing hebben de hoogste adoptie, maar daar is het verschil tussen wel en geen meetbare winst het grootst.

Moet elke afdeling dezelfde AI-tools gebruiken?

Niet per se dezelfde tool, wel dezelfde spelregels: een zakelijk account met verwerkersovereenkomst, duidelijkheid over welke data wel en niet in een AI-tool mag, en één aanspreekpunt per afdeling. Losse persoonlijke accounts zonder afspraken zijn shadow AI en daar verlies je het overzicht.

Wat is de grootste valkuil als je AI per afdeling wilt invoeren?

Alle afdelingen tegelijk laten experimenteren zonder dat iemand de regie voert. Dat levert vijf halve pilots op in plaats van één bewezen succes. MIT vond dat dit de belangrijkste reden is waarom AI-projecten geen meetbaar resultaat opleveren: de tool wordt nooit echt onderdeel van het werkproces omdat niemand het proces daadwerkelijk aanpast.