AI voor non-profits: 3 praktische toepassingen die vertrouwen niet kosten

AI voor non-profits werkt vandaag het betrouwbaarst op drie taken: donateurs- en vrijwilligerscommunicatie, subsidieaanvragen en het jaarverslag. Het bespaart tijd op de tekst eromheen, niet op de cijfers die je al had moeten hebben. Dat onderscheid is bij een non-profit scherper dan bij een gewoon bedrijf: je legt verantwoording af aan een fonds, aan het CBF of aan de Belastingdienst, en die controleren precies de getallen die een AI-model het makkelijkst verzint. Uit een onderzoek van NTEN en Bridgespan onder ruim 900 non-profitmedewerkers bleek dat maar 4% AI volledig in de organisatie had geïntegreerd, en noemde meer dan de helft van de leidinggevenden privacy en databeveiliging de grootste drempel. Hieronder de drie toepassingen, een voorbeeld waarin het misgaat, en wanneer je dit met een prompt doet of met een vast sjabloon. Voor de bredere AVG-basis: ChatGPT veilig en volgens de AVG gebruiken.

De 3 praktische toepassingen van AI voor non-profits

Kies er één om mee te starten. Neem de tekst die deze maand het vaakst terugkomt.

1. Donateurs en vrijwilligers werven en bedanken: updates die kloppen

De taak: een donateursupdate of een oproep om vrijwilligers te werven schrijven, telkens met andere cijfers en een ander project.

Hoe AI helpt en waarom: AI zet je losse projectnotities om in een mail per donateurssegment: een eenmalige gever krijgt een andere opening dan een vaste donateur van vijf jaar. Dat werkt omdat alleen het segment structureel verschilt, de vorm (aanhef, dankwoord, concrete actie) blijft hetzelfde. Reken op twee tot drie minuten per mail, tegenover tien tot vijftien minuten vanaf een leeg scherm; dat scheelt het meest bij een terugkerende update aan een vaste groep. Het werkt averechts bij een persoonlijke dankbrief aan een grote gever die je zelf kent: die verwacht jouw eigen stem, geen gegenereerde tekst. Schrijf die zelf, of laat AI alleen de feiten op een rij zetten.

Een voorbeeld. Fictieve, illustratieve casus bij Stichting Kinderkans. De projectnotitie van deze maand: "12 vrijwilligers zetten zich gemiddeld 2 uur per week in voor het voorleesproject in het buurthuis. Vaste donateur meneer Bakker (€50 per maand, al 3 jaar) vroeg per mail waar zijn bijdrage naartoe gaat." De prompt:

#CONTEXT: Je bent communicatiemedewerker bij een kleine stichting. De
lezer is een vaste donateur van drie jaar die binnen een halve minuut
wil weten wat zijn bijdrage deed.

#WERKWIJZE:
1. Vat de projectnotitie samen in de eerste zin.
2. Schrijf een persoonlijk dankwoord van maximaal 100 woorden.

#BEPERKINGEN: Zet de tekst klaar als concept. Verstuur niets.

Zonder een expliciete regel tegen aannames gaf de AI terug: "Beste meneer Bakker, dankzij uw structurele steun van de afgelopen drie jaar hebben we dit jaar al honderden kinderen kunnen helpen met voorlezen in de buurt. Uw bijdrage maakt echt het verschil!" "Honderden kinderen" staat nergens in de notitie, die noemt alleen 12 vrijwilligers en 2 uur per week, geen bereikcijfer. Het model vulde het ontbrekende bereikcijfer in met een woord dat in donateursbrieven vaak voorkomt, niet met wat er werkelijk bekend was.

Wat je repareert: vervang de verzonnen schaal door wat je wel weet, en voeg de regel "noem geen bedrag, aantal of resultaat dat niet letterlijk in de notitie staat" toe aan de prompt: "Beste meneer Bakker, deze maand zetten 12 vrijwilligers zich gemiddeld twee uur per week in voor het voorleesproject bij u in de buurt. Dankzij donateurs zoals u kunnen we dat soort wekelijkse, persoonlijke aandacht blijven bieden." Dat kostte een halve minuut controletijd, tegen een donateur die bij navraag een groter getal verwacht dan de stichting ooit noemde. Een claim die als feit klinkt zonder onderbouwing valt bovendien onder dezelfde grens als reclame: zie advertenties maken met AI voor waar overdrijven overgaat in een misleidende claim.

De beslisregel: bij minder dan 50 unieke donateurs per update doe je dit handmatig met de prompt hierboven als startpunt. Tussen de 50 en 500 is een vast sjabloon met merge-velden de moeite waard. Boven de 500, of bij meerdere donateurssegmenten, loont een workflow, mits de data in je eigen CRM blijft en niet in een losse chat wordt geplakt.

2. AI voor fondsenwerving: een subsidieaanvraag schrijven zonder meer te beloven dan je kunt waarmaken

De taak: het resultatenonderdeel van een subsidie- of fondsaanvraag schrijven: het probleem, de aanpak, de begroting en de verwachte resultaten, het stuk waar een beoordelaar het scherpst op let.

Hoe AI helpt en waarom: AI zet je ruwe notities om in een eerste concept, snel en met een vaste opbouw. Dat werkt goed voor de zinsconstructie, niet voor de cijfers: een taalmodel voorspelt het waarschijnlijkste vervolg op een tekst, en in de duizenden subsidieaanvragen die het ooit zag staan concrete aantallen en nette percentages. Geef je het een schatting, dan maakt het daar vaak alsnog een stellig getal van: dat patroon kent het, jouw cijfers niet. Reken op ongeveer de helft van de tekst (inleiding, aanpak) bruikbaar na één correctieronde; de cijfers controleer je altijd apart.

Een voorbeeld. Fictieve, illustratieve casus bij dezelfde stichting. De notitie:

Leesproject 2025: ergens tussen de 150 en 200 kinderen bereikt, geen
exacte telling want groepen liepen door elkaar. Begroot op €40.000,
ontvangen is ongeveer dat bedrag aan donaties en het fonds. Besteed
vrijwel alles aan lesmateriaal en de vergoeding van coördinatoren, een
klein deel aan kantoorkosten. Geen uitsplitsing gemaakt.

De prompt, zonder expliciete regel tegen schattingen:

#CONTEXT: Je bent fondsenwerver bij een kleine stichting. De beoordelaar
bij het fonds leest tientallen aanvragen per week en let op concrete,
controleerbare resultaten.

#WERKWIJZE: Schrijf het resultatenonderdeel op basis van deze notitie,
maximaal 120 woorden.

#BEPERKINGEN: Schrijf alleen het resultatenonderdeel.

Wat de AI teruggaf:

In 2025 bereikte Stichting Kinderkans 180 kinderen met het leesproject,
een stijging ten opzichte van vorig jaar. Van de €40.000 aan inkomsten
ging 85% direct naar het doel, voornamelijk lesmateriaal en coördinatie.
Dit bewijst de efficiëntie en impact van ons project.

Drie fouten die bij dit soort aanvraag vaker terugkomen. "180" is een gok uit een range van 150 tot 200, nu gepresenteerd als telling. "85%" staat nergens in de notitie: niemand had de kantoorkosten uitgesplitst, en 85% is precies het soort percentage dat vaak in een goed scorend jaarverslag staat, dus het model vulde het plausibelste getal in. "Dit bewijst" is een resultaatclaim die de cijfers niet dragen. Een beoordelaar die doorvraagt naar de onderbouwing van dat percentage, krijgt geen antwoord, en dat valt harder op dan wanneer je het cijfer nooit had genoemd.

Wat je repareert: voeg de regel "gebruik bij een schatting altijd de range, claim geen percentage zonder de twee onderliggende bedragen" toe aan de prompt:

In 2025 bereikte Stichting Kinderkans naar schatting 150 tot 200 kinderen
met het leesproject, een groei ten opzichte van 2024. De €40.000 aan
inkomsten ging grotendeels naar lesmateriaal en de vergoeding van
coördinatoren; het exacte bestedingspercentage berekenen we zodra de
jaarrekening rond is. Voor 2026 leggen we de telling per groep vast, zodat
we een hard cijfer in plaats van een schatting kunnen rapporteren.

Dat laatste klinkt minder stellig, en overtuigt een beoordelaar juist beter: het laat zien dat de organisatie weet wat ze niet weet, en wat ze eraan doet. Die ene regel kostte in dit voorbeeld veertig seconden controletijd, tegen het risico op een aanvraag die bij navraag niet overeind blijft.

De beslisregel: bij hoeveel aanvragen per jaar je dit met een losse prompt, een vast sjabloon of een workflow doet, staat in de tabel verderop.

3. AI voor het ANBI-jaarverslag: cijfers die overeind blijven bij een check

De taak: de lopende tekst van het jaarverslag of de ANBI-publicatie opstellen op basis van je activiteitenlijst en de al vastgestelde jaarrekening.

Hoe AI helpt en waarom: AI zet een activiteitenlijst om in lopende tekst voor het bestuursverslag, en dat werkt prima. Het risico zit in wat het meeneemt uit een ouder document: geef je AI het jaarverslag van vorig jaar als stijlvoorbeeld, dan behandelt het dat soms als bron voor feiten en neemt het ongemerkt oude gegevens over, zoals de bestuurssamenstelling. Een ANBI moet zich uiterlijk een halfjaar na het boekjaar financieel verantwoorden, inclusief de namen van bestuurders; klopt zo'n naam niet meer, dan kan de Belastingdienst bij een steekproef de ANBI-status intrekken, met het belastingvoordeel van je donateurs als gevolg.

Een voorbeeld. Fictieve, illustratieve casus. De prompt, met het oude jaarverslag als bijlage:

#CONTEXT: Je bent penningmeester van een stichting. Bijlage: het
jaarverslag van vorig jaar.

#WERKWIJZE: Schrijf het hoofdstuk "Bestuur en organisatie" op basis van
de nieuwe activiteitenlijst hieronder, in dezelfde toon als de bijlage.

Zonder die regel gaf de AI terug: "Het bestuur bestaat uit [voorzitter], [secretaris] en penningmeester J. Willems." J. Willems was al in april vervangen door M. de Groot. Die naam stond niet in de nieuwe activiteitenlijst (die ging over projecten, niet het bestuur), dus de AI behield de naam uit de oude bijlage.

Wat je repareert: zet in de prompt expliciet dat de bijlage alleen voor stijl dient, en geef bestuursnamen altijd apart mee uit een actueel KvK-uittreksel of bestuursbesluit, nooit uit het jaarverslag van vorig jaar: "Het bestuur bestaat uit [voorzitter], [secretaris] en penningmeester M. de Groot (sinds april 2026, zie bijgevoegd bestuursbesluit)."

De beslisregel: bij een kleine ANBI (CBF-categorie A of B) mag het bestuur dit zelf met AI opstellen zodra de jaarrekening al is vastgesteld. Vanaf categorie C controleert vaak al een accountant mee; laat AI dan nooit de enige check zijn op de cijfers in het verslag.

Wanneer bouw je dit uit: prompt, sjabloon of workflow?

Neem het lichtste gereedschap dat de klus betrouwbaar klaart. De drempels volgen uit wat het kost om het zelf te doen, tegenover wat een sjabloon of workflow aan bouwtijd vraagt.

Waar AI voor non-profits misgaat: een cijfer dat niemand checkte

Bij een gewoon bedrijf kost zo'n verzonnen cijfer, zoals je hierboven zag bij de subsidieaanvraag en het jaarverslag, een pijnlijk weerwoord van een klant. Bij een non-profit ligt dat anders. Fondsen, het CBF en de Belastingdienst bestaan juist om dit soort claims te controleren: het CBF toetst de jaarrekening en het bestuursverslag bij de aanvraag en elk jaar opnieuw, en de Belastingdienst controleert de ANBI-publicatie via een steekproef, allebei door het gepubliceerde cijfer te vergelijken met het onderliggende document, niet met wat aannemelijk klinkt.

Vertrouwen is het enige kapitaal waarmee een stichting werft. Zodra één cijfer niet blijkt te kloppen, trekt een beoordelaar of toezichthouder vaak meteen ook je andere cijfers in twijfel. Daarom weegt dezelfde fout bij een non-profit zwaarder dan in een interne rapportage bij een gewoon bedrijf.

Wat het oplevert, en hoe je het na zeven dagen meet

Wat na een week beter wordt: je prompt kent je vaste donateurssegmenten en je standaard aanvraagformat, dus het eerste concept heeft minder correcties nodig. Wat niet beter wordt: AI kent je donateurs niet en verzint geen nieuwe fondsenwervingsstrategie. Uit hetzelfde onderzoek van NTEN en Bridgespan gebruikte 70% van de non-profits AI al voor marketing en communicatie, maar had minder dan 40% een geschreven AI-beleid: de meeste organisaties experimenteren per team, niet organisatiebreed.

Meet het met drie getallen, zeven dagen op een rij.

• Hoeveel concepten gingen ongewijzigd de deur uit? Onder de helft, dan ligt het aan je prompt: ontbreekt vaak de context over wie de tekst leest.
• Hoeveel keer moest je een gokcijfer terugsturen voor correctie? Blijft dat na een week hoog, dan mist je prompt nog de regel die een schatting dwingt tot een range in plaats van een los getal.
• Hoelang kostte het controleren van een aanvraag of het jaarverslag, tegenover de vorige keer zonder AI? Geen tijdwinst na een maand, dan zit de winst niet in deze taak.

Privacy en AVG: wat laat je niet in een AI-tool zien

Donateursgegevens (naam, rekeningnummer, donatiebedrag, soms geboortedatum) zijn persoonsgegevens, dus de AVG geldt gewoon zodra een AI-tool ze leest. Regel dat met een zakelijk account met verwerkersovereenkomst en training uitgeschakeld, niet met een zin in je prompt: een prompt bepaalt wat het model schrijft, niet wat de leverancier met je data mag doen.

Eén grens wordt vaak over het hoofd gezien. Help je stichting mensen in een kwetsbare situatie (patiënten, mensen in de schuldhulp, slachtoffers), dan vallen gegevens over hun gezondheid, geloof of strafrechtelijk verleden onder artikel 9 van de AVG, bijzondere persoonsgegevens: verwerking is in beginsel verboden, tenzij er een wettelijke uitzondering is of expliciete toestemming. Plak dus geen casusbeschrijving van een cliënt in een algemene AI-chat, ook niet geanonimiseerd als een naam, wijk of leeftijd iemand herkenbaar houdt. Namen van vrijwilligers zijn gewone persoonsgegevens, minder gevoelig, maar horen om dezelfde reden niet in een gratis consumentenaccount.

Wat AI hier niet goed kan

Een fondsenwervingsstrategie bedenken die past bij jouw netwerk lukt AI niet: het kent je donateurs niet. De juiste toon bij een gevoelig onderwerp, zoals een update aan een familie na een overlijden, voelt een model evenmin aan; laat AI dan alleen de feiten samenvatten en schrijf de brief zelf. AI verzint ook geen nieuwe feiten over je werk, maar herhaalt plausibele cijfers die het elders zag, zodra jij het de ruimte geeft om te gokken.

Doe dit deze week

1. Kies één terugkerende tekst en verzamel drie voorbeelden

   Een bedankmail, een update, of het resultatenonderdeel van een aanvraag. Verzamel drie recente voorbeelden plus de exacte cijfers die erbij horen, inclusief wat je niet precies weet.

2. Draai de bijpassende prompt hierboven en streep elk getal aan

   Leg het concept naast je eigen notitie. Streep elk getal, percentage of aantal aan dat niet letterlijk in de notitie stond. Elke fout die twee keer terugkomt, wordt een extra regel in je prompt.

3. Leg vast wie het laatste cijfer checkt voor het de deur uit gaat

   Eén afspraak op papier: wie controleert de cijfers in elke aanvraag en in het jaarverslag, en tegen welk brondocument (de jaarrekening, niet het verslag van vorig jaar). Doe dit voor je een workflow bouwt.

Het recept dat vandaag werkt: na elk project of elke actie zet je de losse feiten (bereik, besteding, een citaat) in één lopend notitiedocument. AI zet dat telkens om in de tekst die bij de volgende mail, aanvraag of het jaarverslag hoort. Jij vult het notitiedocument, AI verzint nooit wat erin hoort te staan.

Wil je dit met je team werkend hebben, met jullie eigen sjablonen en grenzen? In de Agent Sprint bouwt elke deelnemer een werkende opzet voor zijn eigen organisatie. Twijfel je waar te beginnen, plan een kort gesprek.

Bronnen

• CBF, Wat is de CBF-Erkenning? en CBF-keurmerk aanvragen. Categorieën, drempelbedragen en aantal erkende organisaties, zelf geopend.
• Taxence (Lefebvre Sdu), Verplicht standaardformulier grote ANBI. Drempelbedragen en de halfjaartermijn voor de ANBI-publicatieplicht, zelf geopend; belastingdienst.nl was deze dag niet rechtstreeks bereikbaar.
• The Chronicle of Philanthropy, The nonprofit AI gap: Bosses are bullish, staffs are wary. Onafhankelijke non-profit-vakpers over het onderzoek van NTEN en Bridgespan onder ruim 900 non-profitmedewerkers, september 2026. Zelf geopend; Amerikaans onderzoek, geen Nederlandse cijfers.
• GDPR-text.com, Artikel 9 AVG: verwerking van bijzondere categorieën persoonsgegevens. Zelf geopend, letterlijke tekst van de verordening.

Veelgestelde vragen

• Wat kan AI voor non-profits en fondsenwerving betekenen?

  AI voor non-profits en fondsenwerving werkt het betrouwbaarst op drie taken: donateurs- en vrijwilligerscommunicatie, subsidie- en fondsaanvragen, en het jaarverslag. Alle drie zijn herhalend schrijfwerk op basis van feiten die je al hebt, geen nieuw beleid of een nieuwe strategie. De grootste valkuil is een cijfer dat het model zelf verzint zodra je notities een schatting of een gat bevatten in plaats van een hard getal.

• Mag je AI gebruiken om een subsidieaanvraag te schrijven?

  Ja, voor de lopende tekst (het probleem, de aanpak, de opbouw) is een subsidieaanvraag schrijven met AI een goed startpunt. Niet voor de cijfers: geef je AI een schatting of een range, dan maakt het daar vaak een stellig getal van, omdat concrete aantallen het patroon zijn dat het in andere aanvragen zag. Controleer elk getal, percentage en aantal in het concept tegen je eigen notitie voor je de aanvraag indient.

• Helpt AI bij vrijwilligers werven en donateurs bedanken?

  Ja, voor een terugkerende update of bedankmail aan een vaste groep donateurs werkt een promptsjabloon goed: de vorm (aanhef, dankwoord, concrete actie) is vast, alleen de inhoud per project verandert. Voor een persoonlijke brief aan een grote gever die je kent, werkt het averechts: daar verwacht de ontvanger jouw eigen stem, niet een gegenereerde tekst.

• Kan AI een ANBI-jaarverslag schrijven?

  AI kan de lopende tekst van een ANBI-jaarverslag opstellen op basis van je activiteitenlijst. Geef het nooit het jaarverslag van vorig jaar als bron voor feiten zoals de bestuurssamenstelling, alleen als voorbeeld van stijl: anders neemt het ongemerkt verouderde namen of bedragen over. Een ANBI moet zich binnen een halfjaar na het boekjaar financieel verantwoorden; een fout die daarin blijft staan, kan bij een controle de ANBI-status kosten.

• Is AI veilig voor donateursgegevens volgens de AVG?

  Donateursgegevens zijn persoonsgegevens, dus de AVG geldt zodra een AI-tool ze leest. Gebruik een zakelijk account met verwerkersovereenkomst en zet training op je data uit. Ondersteunt je stichting mensen in een kwetsbare situatie, dan vallen gegevens over hun gezondheid of situatie onder artikel 9 AVG, bijzondere persoonsgegevens: die horen nooit in een algemene AI-chat, ook niet in een versie die je zelf geanonimiseerd denkt te hebben.