Door: Sjoerd Schudde. Gepubliceerd op: 9 maart 2026
Werken met Microsoft 365 Copilot, Copilot Chat en Agents voelt voor veel organisaties als een kantelpunt. Alsof er plots een digitale collega naast je komt zitten die meedenkt, samenvat, structureert en soms zelfs vooruitloopt op beslissingen. De belofte is aantrekkelijk: minder handwerk, meer overzicht, snellere inzichten.
“In dit artikel gebruik ik Microsoft 365 Copilot als concreet voorbeeld. Copilot Chat en Agents noem ik waar relevant, omdat ze dezelfde ontwerpvragen verder op scherp zetten.”
De geschiedenis van digitalisering
Al sinds de jaren negentig bouwen we gestaag aan het digitale kantoor. Eerst kwam de pc op het bureau, daarna kregen we e-mail, Office-pakketten en gedeelde netwerkschijven. Later volgden SharePoint, Teams en andere tools. Iedere stap bracht meer productiviteit. Iedere stap loste een concreet probleem op. En iedere stap werd vooral pragmatisch ingevoerd: wat helpt ons vandaag om sneller te werken?
Wat daarbij zelden gebeurde, was het opnieuw ontwerpen van hoe werk en informatie samenhangen. Vragen als: waar sla je iets op, wanneer is een document ‘af’, wie houdt het actueel en wanneer mag iets weg? Die antwoorden zaten vaak niet in systemen, maar in de hoofden van mensen. Medewerkers wisten welke map ze moesten hebben, welk document actueel was en welke informatie je beter niet opnieuw gebruikte. Dat werkte prima, zolang mensen zelf zochten, beoordeelden en beslissingen namen.
Waarom AI die balans verstoort
AI werkt fundamenteel anders. Het heeft geen intuïtie, geen geheugen van hoe iets ‘bedoeld’ was en geen gevoel voor uitzonderingen. Het ziet alleen wat expliciet is vastgelegd en waar het toegang toe heeft. Dat maakt AI niet dom, maar consequent. En juist die consequentie legt iets bloot. “Oude documenten krijgen opnieuw betekenis. Concepten en definitieve stukken lopen door elkaar. Informatie die ooit werd gedeeld, blijkt structureel beschikbaar. Niet omdat iemand een fout maakt, maar omdat oversharing jarenlang de norm is geweest.
AI werkt niet selectief, maar systematisch. Daardoor vergroot het precies die patronen die in veel organisaties al bestaan: onvoldoende datakwaliteit en oversharing. Denk aan te brede toegangsrechten, te weinig onderscheid tussen werkversies en definitieve informatie, en een gebrekkige afbakening van gevoelige data. Daarmee wordt een oude wet plots heel actueel: garbage in, garbage out. AI fungeert zo als een organisatorische spiegel: het laat zien hoe volwassen (of onvolwassen) de informatiehuishouding binnen je organisatie werkelijk is.
De misvatting van AI als shortcut
Daarmee ontstaat een tweede spanningsveld. AI wordt vaak gepresenteerd als versneller van werk. En dat is het ook, maar alleen als het fundament op orde is. In de praktijk zie je Daarmee ontstaat een tweede spanningsveld. AI wordt vaak gepresenteerd als versneller van werk. En dat is het ook, maar alleen als het fundament op orde is. In de praktijk zie je dat AI soms wordt ingezet als oplossing voor taken die eigenlijk al veel eerder slimmer ingericht hadden kunnen worden. Repeterende handelingen, rapportages, overdrachten en eenvoudige beslissingen. AI maakt dat niet ineens innovatief. Het maakt zichtbaar dat die stap ooit is overgeslagen. AI is geen shortcut naar innovatie. Het is een reality check op dertig jaar pragmatische digitalisering waarin onvoldoende oog is geweest hoe taken daadwerkelijk slimmer kunnen worden uitgevoerd en georganiseerd.
Data governance opnieuw bekeken
Op dit punt komt data governance vaak in beeld. En dat woord roept zelden enthousiasme op. Het klinkt als regels, beperkingen en controle. Iets dat innovatie vertraagt. Toch zie ik in de praktijk iets anders. Organisaties die AI duurzaam en met vertrouwen inzetten, hebben data governance niet als sluitstuk georganiseerd, maar als ontwerpprincipe. Niet data governance gericht op vinkjes zetten en achteraf controleren, maar data governance als bewuste inrichting van samenwerking.
Data governance gaat dan over vragen als:
- Wie is de eigenaar van informatie?
- Wie bepaalt wie toegang heeft tot informatie?
- Welke informatie is tijdelijk en wat blijvend?
- Wanneer is menselijke beoordeling nodig?
Data governance is de belangrijkste randvoorwaarde voor betrouwbare samenwerking met AI. Zonder data governance is een AI-agent geen collega, maar een onbekende met de sleutels van het hele kantoor.
Concrete data governance in Microsoft 365
AI staat niet los van je digitale werkplek. In je Microsoft 365-omgeving geldt zelfs het omgekeerde: Copilot kan alleen werken binnen de grenzen die je zelf hebt aangebracht. Wat bijvoorbeeld een agent ziet, leest en combineert, wordt volledig bepaald door hoe je je omgeving hebt ingericht. Data governance begint daarom niet bij AI, maar bij een paar heel concrete ontwerpkeuzes.
1. Teams- en SharePoint-structuur
In Microsoft 365 is bijna alle samenwerking terug te voeren op Teams en SharePoint. Dat maakt deze structuren cruciaal zodra je met Copilot werkt. Een paar uitgangspunten die in de praktijk het verschil maken:
- Teams zijn besloten tenzij er een goede reden is om ze openbaar te maken
- Een team is gekoppeld aan een duidelijk doel of proces, niet “voor de zekerheid”
- SharePoint-sites fungeren als kennisbronnen met een afgebakende scope, niet als verzamelbak
Waarom dit zo belangrijk is: Copilot en Agents hebben toegang tot alles wat een gebruiker ook mag zien. Als iedereen overal leesrechten heeft, geldt dat ook voor AI. Begrenzen is dus geen beperking, maar een voorwaarde om ongeautoriseerd gebruik, oversharing en datalekken te voorkomen. Voor medewerkers én voor AI.
Belangrijk om te benadrukken: deze governance-maatregelen zijn niet ‘nodig vanwege Copilot’. Ze zijn altijd al noodzakelijk geweest voor veilig en verantwoord werken met informatie. Het verschil is dat Copilot (net als andere AI-oplossingen) het effect van oversharing en gebrekkige data governance direct zichtbaar maakt.”
2. Informatie classificeren: expliciet maken wat gevoelig is
Zodra Copilot meeleest, wordt impliciete kennis een risico. Waar mensen ‘aanvoelen’ dat informatie (privacy)gevoelig is, moet het systeem expliciet weten. Daarom is classificatie essentieel. Wat is intern, vertrouwelijk of zeer vertrouwelijk? Welke informatie mag door Copilot worden gebruikt voor samenvattingen of antwoorden? Welke informatie expliciet niet? Met classificatie, bijvoorbeeld via gevoeligheidslabels in Microsoft Purview, geef je AI context. Zo voorkom je oversharing of dat informatie door Copilot beschikbaar komt voor medewerkers die daar eigenlijk geen toegang toe moeten hebben of dat informatie oneigenlijk je organisatie verlaat.”
3. Lifecycle-afspraken: ook AI heeft een geheugen
Een vaak onderschat punt: AI vergeet niets zolang informatie beschikbaar blijft. Daarom horen lifecycle-afspraken nadrukkelijk bij data governance:
- Wanneer is een document actueel?
- Wanneer wordt het gearchiveerd?
- Wanneer verdwijnt het volledig uit actieve omgevingen?
- Wanneer is een document finaal of nog in draft?
Dit is een structureel onderdeel van hoe informatie ontstaat, gebruikt wordt en weer verdwijnt. Voor mensen én voor AI.
Van governance in tooling naar governance in gedrag
Tooling alleen is niet genoeg. De echte verschuiving ontstaat pas wanneer governance ook zichtbaar wordt in gedrag, besluitvorming en inzicht. Copilot dwingt een vraag af die eerder vaak impliciet bleef: wie is hier eigenlijk verantwoordelijk voor? Wie bewaakt de kwaliteit van informatie? Wie beslist of iets gedeeld, gearchiveerd of verwijderd wordt? Wie bepaalt hoe een agent een proces ondersteunt? Zonder expliciet eigenaarschap blijft AI maar wat doen. Met eigenaarschap wordt het een voorspelbare collega.
Een andere veelgemaakte valkuil is om eerst een agent te bouwen en daarna pas na te denken over grenzen. Volwassen AI-gebruik werkt precies andersom. Vooraf stel je vragen als:
- Wanneer mag Copilot zelfstandig handelen?
- Wanneer is menselijke beoordeling verplicht?
- Welke beslissingen mag een agent nooit nemen?
Deze besluitregels maken AI uitlegbaar en betrouwbaar. Niet alleen voor IT, maar juist voor medewerkers die ermee moeten werken.
Datavaardigheid als onderdeel van werkcultuur
Tot slot vraagt samenwerken met AI om een ander soort bewustzijn. Medewerkers hoeven geen data-experts te worden, maar wel te begrijpen dat AI werkt op basis van beschikbare informatie. Maar ook dat dat structuur en gedrag invloed hebben op uitkomsten, dat ‘even iets lokaal opslaan’ gevolgen kan hebben voor hergebruik. Dat inzicht maakt AI geen magisch hulpmiddel, maar een logisch onderdeel van het werk.
AI-volwassenheid is organisatievolwassenheid
Als je deze technische en culturele elementen samenbrengt, ontstaat een helder beeld: AI-adoptie is geen IT-project, maar een organisatievraagstuk. Microsoft Copilot of AI Agents zijn geen features die je even aanzet. Het zijn digitale collega’s met bevoegdheden. En net als bij menselijke collega’s geldt: hoe duidelijker de afspraken, hoe beter de samenwerking.
Een kans, geen oordeel
“AI maakt zichtbaar wat organisaties jarenlang hebben laten ontstaan. Dat kan confronterend zijn, juist omdat het laat zien waar afspraken ontbreken, eigenaarschap diffuus is en werk nooit echt wordt afgerond. Door structuur, eigenaarschap en governance bewust te ontwerpen, ontstaat ruimte voor innovatie die verder gaat dan tooling. Niet als belofte, maar als gevolg van keuzes die expliciet worden gemaakt.
Bij Adoptify helpen we organisaties om die stap bewust te zetten. Niet door AI groter te maken dan het is, maar door het fundament te versterken waarop mensen en technologie samen kunnen werken. Innovatie zit niet in de tool. Het zit in hoe je het werk ontwerpt dat ermee wordt gedaan.
Wil je verkennen wat AI in jouw Microsoft 365-omgeving zichtbaar maakt en wat dat vraagt van governance, inrichting en gedrag? We denken graag met je mee.