Je medewerkers zijn al verder met AI dan je denkt: zo groeit je organisatie mee

Door: René van der Vlugt Gepubliceerd op: 14 juli 2026

Jouw medewerkers zijn waarschijnlijk al verder met AI dan je denkt. Terwijl organisaties nog praten over beleid, licenties en kaders, gebruiken medewerkers AI al om informatie te verzamelen, teksten op te stellen, vergaderingen samen te vatten of ideeën uit te werken. Ook medewerkers zonder Microsoft 365 Copilot-licentie vinden hun weg naar AI. De technologie is immers laagdrempelig en vaak ook buiten de organisatie beschikbaar.

Daar zit de AI-paradox van dit moment. Medewerkers omarmen AI sneller dan dat organisaties het gebruik kunnen begeleiden. De vraag is dus hoe je dat gat dicht. Hoe zorg je ervoor dat medewerkers AI veilig en effectief inzetten én steeds beter leren toepassen in hun dagelijkse werk. 

In de praktijk zie ik daarin een duidelijke ontwikkeling met verschillende fases. In dit artikel leg ik uit hoe die fases eruitzien en hoe je in iedere fase je medewerkers het beste kunt ondersteunen. 

Medewerkers veranderen sneller dan organisaties kunnen volgen

Bij de organisaties waar ik over de vloer kom, lopen de verschillen in AI-gebruik behoorlijk uiteen. Sommige medewerkers hebben Copilot nog nauwelijks aangeraakt. Anderen gebruiken AI als een soort zoekmachine-plus. Een andere groep laat AI al e-mails herschrijven, vergaderingen samenvatten of een eerste versie van een document maken. En er zijn voorlopers die experimenteren met uitgebreidere opdrachten en agents. 

Die verschillen zijn heel normaal. Nieuwe technologie wordt nooit door iedereen tegelijk omarmd. AI onderscheidt zich alleen doordat medewerkers nauwelijks hoeven te wachten op een formeel programma. Ze proberen iets uit, merken dat het werkt en passen hun manier van werken aan. Daardoor kan de praktijk op de werkvloer al verder zijn dan het beleid van je organisatie. 

Je kunt dat gebruik proberen af te remmen, maar daarmee verdwijnt het niet. De kans bestaat juist dat medewerkers uitwijken naar toepassingen waar je als organisatie minder zicht op hebt. Een betere aanpak is om de ontwikkeling te erkennen en medewerkers stap voor stap verder te helpen. In die ontwikkeling zien we bij Adoptify drie fasen.

1. Leg een organisatiebrede AI-basis

Bij de eerste stap zorg je ervoor dat iedere medewerker over voldoende basisvaardigheden beschikt om AI veilig, bewust en effectief te gebruiken. Medewerkers moeten begrijpen wat AI wel en niet kan, wanneer controle nodig is, hoe ze zorgvuldig omgaan met informatie en hoe ze herkennen dat content met AI is gemaakt. 

Deze basis is relevant voor de hele organisatie. Zowel voor de medewerkers met een betaalde Microsoft 365 Copilot-licentie, maar ook mensen die werken met Copilot Chat (hiermee bedoelen we de ‘gratis’ functionaliteit als onderdeel van je huidige licentie) en andere beschikbare AI-toepassingen. Door organisatiebreed aandacht te besteden aan basisvaardigheden en AI-geletterdheid, voorkom je dat het verschil tussen ervaren gebruikers en medewerkers die nog nauwelijks zijn begonnen steeds groter wordt. 

In deze fase draait het vooral om veilig en gecontroleerd gebruik. Basistrainingen kunnen het algemene niveau verhogen en medewerkers een gemeenschappelijk vertrekpunt geven. Daarmee dicht je de AI-kloof niet in één keer, maar je voorkomt wel dat afdelingen ieder hun eigen taal, verwachtingen en werkwijze ontwikkelen. 

2. Pas AI toe op het dagelijkse werk

Zodra de basis staat, ontstaat al snel behoefte aan verdieping. Medewerkers willen weten hoe AI hen helpt bij hun eigen werkzaamheden. Hoe gebruik je AI binnen recruitment, inkoop of consultancy? Welke toepassingen zijn relevant voor controllers of managementassistenten? En hoe zorg je dat collega’s met vergelijkbare functies niet allemaal een andere werkwijze ontwikkelen? 

Op dat moment verschuift AI-gebruik van het individu naar de afdeling of functiegroep. Het draait om de vraag hoe een team AI op een consistente en verantwoorde manier inzet. Dat kan gevolgen hebben voor je werkprocessen. Als je bijvoorbeeld gesprekken met klanten met AI vastlegt en analyseert, moet je als team afspraken maken over de werkwijze, beoordeling en opvolging. 

De verdieping begint daarom bij de werkzaamheden van een afdeling. Welke activiteiten voeren medewerkers uit? Waar kan AI het werk ondersteunen of verrijken? Welke activiteiten volgen vaste regels en instructies en lenen zich mogelijk voor verdere automatisering? En bij welke beslissingen moeten vakkennis, context en menselijke verantwoordelijkheid altijd leidend blijven? 

Juist in deze fase blijft vakmanschap onmisbaar. AI kan een inkoper, recruiter of consultant ondersteunen. Dat maakt iemand echter niet automatisch een deskundige op ieder gebied. Medewerkers moeten de output kunnen beoordelen, afwijkingen herkennen en begrijpen welke context ontbreekt. AI levert pas echt waarde op wanneer het de kwaliteit van het werk versterkt. 

3. Onderzoek waar agents een rol kunnen spelen

In de derde fase ga je kijken hoe en waar AI zelfstandig delen van het werkproces kan over kan nemen. Agents kunnen bijvoorbeeld informatie verzamelen, een voorstel voorbereiden of vervolgstappen bewaken. De rol van de medewerker verschuift dan verder naar richting geven, controleren en besluiten. 

De grens tussen verdieping met Microsoft 365 Copilot en werken met agents is in de praktijk niet altijd scherp. Tijdens het analyseren van werkzaamheden kan blijken dat standaardfunctionaliteit voldoende is. Bij andere activiteiten is een agent geschikter. De keuze begint bij het werk: wat wil je verbeteren, welke regels gelden en waar moet een mens betrokken blijven? 

Ook deze stap vraagt om een stevige basis. Als binnen een afdeling nog geen overeenstemming bestaat over het werkproces, de gebruikte bronnen of de kwaliteitscriteria, kun je die onduidelijkheid ook niet verantwoord automatiseren. Agents zijn dus een logisch vervolg op de vaardigheden, werkafspraken en afdelingsgerichte toepassing die je in fase 1 en 2 verbetert en vastlegt. 

De rol van de afdelingsmanager

In alle fases krijgt de afdelingsmanager een steeds belangrijkere rol. Die manager kent de kernactiviteiten van het team en kan AI-gebruik bespreekbaar maken. Waar zien medewerkers kansen? Welke toepassingen leveren daadwerkelijk betere resultaten op? Welke bronnen mogen zij gebruiken? Hoe controleren ze de uitkomst? En wie blijft verantwoordelijk voor een advies of beslissing waaraan AI heeft bijgedragen? 

Een manager wordt dus niet zelf de grootste AI-expert van het team. De manager maakt samen met medewerkers werkafspraken, stimuleert verantwoord gebruik en stuurt bij wanneer dat nodig is. De organisatie moet het middenkader daar vervolgens actief bij ondersteunen, zodat dit geen eenmalige discussie wordt maar een continu proces. Ook dat is een belangrijke rol van manager, om proactief met beleidsmakers binnen de organisatie samen te werken om de organisatie ook verder te brengen. 

In een volgend artikel gaan we dieper in op de rol van de manager. Hoe maak je AI bespreekbaar binnen een team? Hoe breng je de belangrijkste werkzaamheden in kaart? En hoe bepaal je samen waar AI kan ondersteunen, verrijken of mogelijk een activiteit kan overnemen?

Van losse experimenten naar een gezamenlijke AI-aanpak

De AI-paradox vraagt om meer dan adoptie. Als organisaties moet je een brede basis leggen, duidelijke kaders bieden en managers helpen om binnen hun afdeling het goede gesprek te voeren. Zo voorkom je dat iedere medewerker zelf het wiel uitvindt en ontstaat er ruimte om AI gericht in te zetten voor beter werk. 

De positieve kant van de AI-paradox is dat je niet vanaf nul hoeft te beginnen. De nieuwsgierigheid en ervaring zijn vaak al aanwezig op de werkvloer. De opgave is om die ontwikkeling te verbinden aan vakmanschap, gezamenlijke afspraken en de kaders en doelen van de organisatie.